Содержание

примеры обновления схем—ArcMap | Документация

Пример 1 – Обновления схем Стандартного компоновщика, созданных из объектов ГИС, организованных в геометрическую сеть

На рисунках ниже показано, как схематические представления стандартного компоновщика, созданные из объектов ГИС и организованные в геометрическую сеть, могут быть обновлены в соответствии с опциями диалогового окна Обновить схему (Update Diagram).

A—Обновление схематического представления, созданного трассировкой

Рисунок 1.A.1 показывает часть образца геометрической сети, где скоро начнется операция трассировки Найти соединенные объекты (Find Connected), начиная от зеленого флага, расположенного в точке объекта.

Рисунок 1.A.2 показывает результат трассировки, полученный в виде схемы, который будет использоваться в качестве входных данных для создания схематического представления. Поскольку справа от сети на ребре находится барьер, результат трассировки на этом месте заканчивается. Результат трассировки заканчивается также сверху и снизу, так как в этих местах имеются включенные переключатели, которые не дают проводить трассировку по другую сторону от них. На рисунке 1.A.3 показано схематическое представление DiagramFromHighlightedTrace, созданное по результатам этой операции трассировки.

На рисунке 1.A.4 показан результат той же операции трассировки, полученный в виде выделенного набора, который будет использован для создания схематического представления DiagramFromSelectedTrace. На рисунке 1.A.5 показано полученное схематическое представление DiagramFromSelectedTrace.

На рисунке1.A.6 показаны изменения, произошедшие в этом районе с тех пор, как было создано схематическое представление:

  • Некоторые объекты ГИС были перемещены (они были расположены в фиолетовом круге на рисунке 1.A.6 ниже).
  • Переключатель внизу, который был включен, когда создавалось схематическое представление, сейчас выключен.

На рисунках 1.A.7 и 1.A.8 показаны схематические представления DiagramFromHighlightedTrace и DiagramFromSelectedTrace после обновления при помощи опции Синхронизировать против исходной выборки/трассировки/запроса (Synchronize against original selection/trace/query).

Для схематического представления DiagramFromHighlightedTrace, первоначально созданного из результатов трассировки, полученных в виде схемы, параметры трассировки были сохранены в наборе схематических данных при создании этого схематического представления. Во время обновления трассировка была перевыполнена в памяти, и содержимое схематического представления обновлено в соответствии с новым результатом трассировки Найти соединенные объекты (Find Connected): перемещенные (удаленные) объекты больше не являются частью этого нового результата трассировки и, поскольку переключатель внизу сейчас закрыт, трассировка Найти соединенные объекты (Find Connected) выполняется по другую сторону от переключателя; большая часть сети за этим переключателем теперь вернулась в этот новый результат трассировки. Все эти изменения отражены в новом схематическом представлении.

Для схематического представления DiagramFromSelectedTrace, которое было создано их того же результата трассировки, но поступило как выделенный набор, параметры трассировки не были сохранены в наборе схематических данных при создании этого схематического представления. Схематическое представление обновлено в соответствии с первоначальным набором выбранных объектов, использованных для его создания. В базе геоданных уже нет удаленных или перемещенных объектов, а связанные объекты схемы будут удалены из схематического представления после обновления. Связанный с ныне закрытым преключателем объект схемы в обновленном схематическом представлении появляется в виде нового символа (который использовался для обозначения закрытых переключателей). Однако, поскольку они не были включены в первоначальный набор выбранных объектов, объекты ГИС по ту сторону от закрытого переключателя не были добавлены в обновленное схематическое представление.

B—Обновление схематического представления первоначально созданного из выделенного набора объектов ГИС

На рисунке 1.B.1 показана часть образца геометрической сети. На рисунке 1.B.2 показан выделенный набор в этой области, который будет использован в качестве входных данных для создания схематического представления.

На рисунке 1.B.3 показано схематическое представление DiagramFromSelection, созданное из выделенного набора объектов ГИС. После этого происходит компоновка схематического представления при помощи алгоритма компоновки Иерархический — Дерево главной линии (рисунок 1.B.4), и некоторые объекты схемы, расположенные справа, удалены при помощи команды Удалить объекты схемы (Remove Schematic Features) (рисунок 1.B.5). (рис. 1.B.5). Эти изменения сохранены.

на рис. 1.B.6 показаны изменения, которые повлияли на район ГИС с момента создания схематического представления DiagramFromSelection.

  • Некоторые объекты ГИС были перемещены (они были расположены в оранжевом круге на рис. 1.B.6 ниже).
  • Состояние объекта ГИС ServiceLocation GIS, расположенного в верхней части, изменилось.
  • Состояние объекта ГИС TransformerBank в центральной части изменилось.

Теперь мы хотим показать результаты обновления содержимого схематического представления в зависимости от различных опций обновления, которые можно настроить в диалоговом окне Обновить схему (Update Diagram):

Обновление с помощью опции Синхронизировать исходные выборку/трассировку/запрос с отключенной опцией Сохранить вручную удаленные, сокращенные, воссоединенные объекты (Persist manually removed, reduced or reconnected features)

В этом случае обновление работает от объектов ГИС, которые изначально использовались для создания схематического представления. На рисунке 1.B.7 показано содержимое схематического представления после обновления.

Имеются объекты ГИС TransformerBank и ServiceLocation, которые были изменены с момента создания схемы; эти новые состояния отражены в соответствующих объектах схемы. Существует ряд объектов ГИС, которые были удалены из базы геоданных с момента создания схемы; сопоставленные объекты схемы исчезают со схемы. Объекты схемы, которые ранее были удалены из схематического представления, восстановлены после проведения обновления, потому что опция Сохранить вручную удаленные, сокращенные, переподключенные объекты была отключена.

Обновление из нового набора выбранных объектов, указанных в геометрической сети

На рис. 1.B.8 показаны изменения, которые повлияли на район ГИС с момента создания схемы DiagramFromSelection, а также новый набор объектов ГИС, на основании которого будет обновлена схема. Этот набор включает в себя некоторые объекты ГИС, первоначально использовавшиеся для создания схематического представления DiagramFromSelection, и некоторые новые объекты ГИС, расположенные немного южнее.

  • Сценарий 1. Обновление при помощи опции Добавить новые объекты в активную схему (Append new features to the active diagram)
    • Если опция Полная синхронизация схемы (Full Diagram Synchronization) не включена

      На рисунке 1.B.9 показано содержимое DiagramFromSelection после его обновления из этого текущего выделенного набора с помощью опции Добавить новые объекты в активную схему (Append new features to the active diagram) с включенной опцией Сохранять элементы удаленные, уменьшенные или с измененными связями вручную (Persist manually removed, reduced or reconnected features) и при отключенной опции Полная синхронизация схемы (Full Diagram Synchronization).

      Все объекты схемы, исходно содержавшиеся в схематическом представлении, находятся там, где они были сохранены. Объекты схемы, сопоставленные с объектами ГИС, которые были удалены из базы геоданных с момента создания схемы, сохраняются в схеме, так как опция Полная синхронизация схемы (Full Diagram Synchronization) отключена. Объекты схемы, сопоставленные с объектами ГИС, которые были удалены из базы геоданных с момента создания схемы, сохраняются в схеме, так как опция Полная синхронизация схемы (Full Diagram Synchronization) отключена. Изменение состояния объекта ГИС TransformerBank отражается на соответствующем объекте схемы, так как этот объект ГИС является частью входной выборки. На любой новый объект ГИС, имеющийся в выделенном наборе входных данных, в схематическом представлении DiagramFromSelection создается новый объект схемы, который размещается на своем географическом местоположении. Поскольку опция Сохранить вручную удаленные, сокращенные, воссоединенные объекты включена, удаленные объекты схемы после обновления остаются невидимыми.

    • Если опция Полная синхронизация схемы (Full Diagram Synchronization) включена

      На рисунке 1.B.10 показано содержимое DiagramFromSelection после его обновления из этого же текущего выделенного набора с помощью опции Добавить новые объекты в активную схему (Append new features to the active diagram) с включенными опциями Сохранять элементы удаленные, уменьшенные или с измененными связями вручную (Persist manually removed, reduced or reconnected features) и Полная синхронизация схемы (Full Diagram Synchronization).

      Удаляются объекты схемы, сопоставленные с объектами ГИС, которые были удалены из базы геоданных. Изменения состояний объектов ГИС TransformerBank и ServiceLocation отражаются в соответствующих объектах схемы. На любой новый объект ГИС, имеющийся в выделенном наборе входных данных, в схематическом представлении DiagramFromSelection создается новый объект схемы, который размещается на своем географическом местоположении. Все прочие объекты схемы, исходно содержавшиеся в схематическом представлении, находятся там, где они были сохранены. Поскольку опция Сохранить вручную удаленные, сокращенные, воссоединенные объекты включена, удаленные объекты схемы после обновления остаются невидимыми.

  • Сценарий 2. Обновление с помощью опции Переписать активную схему (Overwrite the active diagram)

На рисунке 1.B.11 показано содержание схематического представления DiagramFromSelection после того, как оно было обновлено из того же текущего выделенного набора при помощи опции Перезаписать активную схему (Overwrite the active diagram).

В схематическом представлении остаются только те объекты схемы, которые уже были связаны с объектами ГИС в текущем выделенном наборе; они находятся там, где были сохранены. Изменение состояния объекта ГИС TransformerBank отражено на связанном объекте схемы. На любой новый объект ГИС, имеющийся в выделенном наборе входных данных, в схематическом представлении DiagramFromSelection создается новый объект схемы, который размещается на своем географическом местоположении.

Пример 2—Обновления схем Компоновщика набора сетевых данных

Рисунки ниже иллюстрируют, как происходит обновление схематического представления на основе компоновщика набора сетевых данных.

На рисунке 2.1 показана область, где будет проводиться сетевой анализ маршрута. В документе карты в качестве входных данных указаны места для остановок.

На рисунке 2.2 показано решение сетевого анализа маршрута, а на рисунке 2.3 – схематическое представление, созданное из этого решения сетевого анализа маршрута.

На рисунке 2.4 показаны изменения, произошедшие в данной области с тех пор, как было создано это схематическое представление. Барьеры теперь расположены на двух улицах, и тип двух улиц изменен.

На рисунке 2.5 показан результат анализа нового маршрута, который будет использован как входные данные для обновления схематического представления. На рисунке 2.6 показано схематическое представление после того, как оно было обновлено из нового получившегося маршрута. База схематических данных была обновлена новым результатом сетевого анализа. Информация об изменении состояния ребра объекта поступила в базу схематических данных, и после обновления появляется связанный объект схемы уже другого цвета.

Пример 3—Обновления на схемах XML компоновщика

Рисунки ниже иллюстрируют, как происходит обновление схематического представления, созданного XML компоновщиком.

На рисунке 3.1 показано состояние схематического представления до обновления. В нем содержится два узла схемы и одна связь схемы. Символы связи схемы изменяются в зависимости от значений атрибутов Категории.

Рисунок 3.2 подчеркивает изменения, повлиявшие на XML-файл с момента, когда он был использован для создания схематического представления. Элементы NodeFeature и LinkFeature, выделенные голубым цветом, являются новыми элементами XML-файла, которых не было в первой версии этого файла. Свойство набора свойств Категория, связанное с элементом Link-1 LinkFeature (выделено желтым цветом), появляется с другим значением в XML-файле новой версии, отличном от значения первой версии.

На рисунке 3.3 показано схематическое представление после обновления с использованием новой версии XML-файла в качестве входного XML-файла. В базе схематических данных созданы новый узел схемы и новая связь схемы для двух элементов NodeFeature и LinkFeature, находящихся во входном XML-файле. Новое значение, установленное для Категории propertyset property, принято во внимание и обновлено в соответствующей базе схематических данных. Все эти изменения теперь отражены в схематическом представлении.

Пример 4—Обновления схематических представлений стандартного компоновщика, полностью построенных из запросов пользователей

На рисунках ниже показано схематическое представление Стандартного компоновщика, содержание которого полностью построено из пользовательских запросов, до и после обновления при помощи опции Синхронизировать против исходной выборки/трассировки/запроса.

На рисунке 4.1 показано состояние схематического представления перед обновлением.

На рисунке 4.2 показаны объекты ГИС, лежащие в основе схематического представления. Выделены изменения, повлиявшие на содержимое базы данных с тех пор, как была создана эта схема.

  • Объекты ГИС, находившиеся на 1, были удалены из базы данных.
  • В местоположении 2 были созданы некоторые новые точки и линии объектов ГИС.
  • В местоположении 3 были изменены атрибуты некоторых ребер и точек объектов.

На рисунке 4. 3 показано схематическое представление после обновления.

(1) Поскольку объекты схемы, ранее отображавшиеся в зоне 1, уже не находятся в базе данных, в процессе обновления схемы они были удалены из базы схематических данных и соответственно из самого схематического представления.

(2) Поскольку в базе данных были созданы новые объекты, то запросы, настроенные на классы объектов схемы, теперь возвращают эти новые объекты. Это приводит к тому, что в базе схематических данных создаются новые связанные объекты схемы, отображающиеся в обновленном схематическом представлении.

(3) Новые значения атрибутов, определенные для объектов ГИС, передаются на связанные объекты схемы в базе схематических данных и, соответственно, в обновленном схематическом представлении.

Примечание:

Когда запросы, указанные для классов объектов схемы, связанных с шаблоном схемы Стандартного компоновщика, настроены на автоматический перезапуск каждый раз, когда загружаются схематические представления, содержащие эти связанные с ним объекты схемы, содержание этого схематического представления будет точно таким же, как только будет загружена схема, не требующая обновления.

Связанные разделы

Оформление схем в дипломе и курсовой — примеры

Правила создания схем

Создание и оформление схем регламентируется стандартом ГОСТ 7.32-2017.

Во-первых, схемы (как и другие графические элементы в работе) следует делать в одном стиле. В противном случае проверяющий или комиссия могут делать вывод, что часть графики для работы бралась из сторонних источников, что может привести к снижению оценки.

Следующее требование — это обязательная связность и логичность: в правильной схеме легко различить связи и последовательности. Корректно сделанная схема понятна и наглядна, а информация в ней представлена последовательно. Схема не должна оставлять после себя вопросов.

Связность и логичность — главные требования при составлении схем

Что касается внешнего вида, первый принцип — простота. То есть, схему не стоит перегружать графическими элементами, лучше всего ограничиться минимальным набором выразительных средств.

Главное в любой схеме — содержание, поэтому следует сконцентрироваться на нем.

Основной принцип при составлении схем — простота

Надписи должны быть хорошо видны, линии должны быть четкими, а границы элементов — различимыми.

Нужна помощь в написании работы?

Мы – биржа профессиональных авторов (преподавателей и доцентов вузов). Наша система гарантирует сдачу работы к сроку без плагиата. Правки вносим бесплатно.

Заказать работу

Оформление схемы в курсовой и дипломе

Схемы в научной работе размещаются двумя способами.

Первый — это в тексте работы. В этом случае исполнитель ставит схему сразу после текста, в котором она упоминается. Нумерация схемы идет в том же порядке, что и нумерация других графических элементов.

Пример размещения схемы в тексте работы

Схемы должны идти последовательно, и каждой схеме присваивается порядковый номер.

Подпись располагают под схемой (такое расположение называется подрисуночным). Расстояние между схемой и подписью составляет одну или две строки (зависит от требований ВУЗа).

Другой способ — размещение схемы в приложении.

Размещение схемы в приложении

В этом случае исполнителю необходимо в тексте дать ссылку на соответствующий графический элемент в приложении. Ссылка указывается в круглых скобках (внутритекстовая ссылка). Также может быть дана затекстовая ссылка.

Пример внутритекстовой ссылки на схему, размещенную в приложении

В случаях, когда схема нарисована не самостоятельно, под подписью придется дать ссылку на источник.

Пример схемы, взятой из источника, с указанием источника (ссылка на источник в списке литературы)

Рекомендуется делать схемы черно-белыми

. Присутствие цветных элементов уместно, если требуется выделить тот или иной элемент схемы.

Пример выделения отдельного элемента схемы цветом

Вывод

Схемы — почти обязательный элемент научной работы, поскольку они помогают объяснить материал работы, делают содержание доступным и понятным для проверяющего.

Оформить схемы не сложно — достаточно следовать нескольким принципам, описанным выше. Не стоит забывать, что создавать схемы лучше в отдельных файлах, а не в файле, в котором исполнитель пишет саму работу.

Примеры технологических схем – Энциклопедия по машиностроению XXL

Котельная установка представляет собой совокупность котла и вспомогательных устройств. Она предназначена для получения пара заданных параметров или для нагрева воды под давлением. Последовательность получения и использования пара и преобразования ОДНИХ ВИДОВ-энергии в другие можно проследить на примере технологической схемы ТЭС, работающей на твердом топливе (рис. 1, см. форзац).  
[c.4]

В табл. 31 приводится в качестве примера технологическая схема изготовления зубчатого колеса (класс втулка ).  [c.408]

Рассмотрим несколько примеров технологических схем машин-автоматов.  [c. 11]

ПРИМЕРЫ ТЕХНОЛОГИЧЕСКИХ СХЕМ ИЗВЛЕЧЕНИЯ ГЕРМАНИЯ ИЗ СЫРЬЯ  [c.386]

Примеры технологических схем производства чернового индия  [c.438]

Примеры технологических схем  [c.454]

Пример технологической схемы общей сборки показан ниже на рис. 132. Части аппаратов для сборки могут поступать после резки на ножницах, вальцевания, ковки, штамповки и после механической обработки. Эти части должны быть изготовлены настолько точно, чтобы собираемые узлы не требовали в последующем значительной подгонки деталей. Отклонения в заготовках могут быть двух видов по размерам и искажению формы поверхности. Подгонка отдельных деталей может быть-допущена в исключительных случаях. Наилучших результатов, по сборке и взаимной пригонке можно достичь только в условиях цека или мастерской. Для этого рекомендуется производить в них максимально возможное количество работ по подготовке и сборке элементов, вплоть до контрольной сборки, а в отдельных случаях — сборке негабаритной аппаратуры целиком.

[c.73]

Пример технологической схемы паротурбинной электростанции, работающей па угольной пыли, показан на рис. 1-10.  [c.19]

Рис. 11.2 Пример технологической схемы сборки
Рассмотрим в качестве примера технологическую схему применения промышленного ПР, обслуживающего объемно-цилиндрическую зону при пакетировании груза, транспортируемого конвейерной линией (рис. 2.31, а).  
[c.129]

В простейших задачах, к которым относится пластическое растяжение, нет необходимости прибегать к совокупности основных уравнений теории пластичности, так как многие из этих уравнений удовлетворяются тождественно. Растяжение редко встречается в технологических схемах изготовления деталей как самостоятельная операция, особенно при штамповке и ковке. Пример операции растяжения — изготовление передней оси  [c. 117]

Примером многопозиционной машины непрерывного действия с последовательным агрегатированием может служить ролевая ротационная печатная машина высокой (типографской) печати. Ее принципиальная технологическая схема приведена на рис. П1.14. Бумажное полотно 2 непрерывно сматывается с рулона 1 и поступает, огибая ряд бумагонаправляющих валиков

[c.43]


В качестве примера многопозиционных машин непрерывного действия с параллельно-последовательным агрегатированием рассмотрим автомат для розлива молока в бутылки. Принципиальная технологическая схема автомата показана на рис. П1.15.  [c.43]

В качестве примера рассмотрим фрезерно-копировальный станок, принципиальная технологическая схема которого приведена на рис. XIV.34. Копир 1 и обрабатываемая деталь 2 устанавливаются и закрепляются на столе 3 станка. Обработка детали производится фрезой 4, устанавливаемой в фрезерной головке 5, которая имеет жесткую связь с копировально-измерительным прибором 7. Чувствительным элементом прибора является палец 8, соприкасающийся с поверхностью копира. Сигналы копировально-  

[c.306]

На рис. 109 в качестве примера приведена схема одной из АЛ, входящих в систему линий для изготовления блока цилиндров. Система линий состоит из 20 линий, из которых пять линий имеют резервные позиции. Число резервных позиций в этих АЛ — одна-две. Расположение резервных позиций в системе АЛ и в отдельной линии определяется прогнозом изменения технологического процесса обработки, связанного с изменением конструкции обрабатываемой детали.  [c.183]

Целесообразность перехода к технологическим операциям более высших классов можно проиллюстрировать на следующем примере. Рассмотрим схемы обработки ступенчатого валика  [c.284]

При реконструкции мнемосхем на действующих предприятиях необходимо учитывать уже существующую там систему отображения информации. В подобных случаях в качестве исходного материала для создания мнемосхемы можно брать существующие технологические схемы и схемы контроля и автоматики.

Рассмотрим этот процесс на примере реконструкции мнемосхемы отделения конверсии цеха получения аммиака Щекинского химкомбината. Существовавшие там мнемосхемы практически представляли собой слегка упрощенные технологические схемы (рис. 19, а).  [c.64]

Фотоаппарат, магнитофон, пылесос — вот примеры устройств, ход конструирования которых в значительной степени определяется приведенной комбинацией начальных, условий. Необходимой предпосылкой в данном случае является создание достаточно четкой технологической схемы на первых же этапах конструирования. Без этого возможность последующей отработки чертежей для серии б,удет затруднена.  [c.114]

Примеры проектных технологических схем на хозяйственно-бытовой сточной воде  [c.243]

В качестве примера на фиг. 3 показан сборочный чертеж станины токарного станка, а на фиг. 4 — технологическая схема сборки станины и ее узла (корыта в сборе).  

[c.746]

На рис. 3-1 показаны примеры возможных технологических схем автоматизации независимых схем присоединения.  [c.52]

На фиг. 192 в качестве примера показано построение технологической схемы сборки сварного котельного барабана. Схема наглядно показывает процесс сборки барабана и является документом, регламентирующим технологию его сборки. Пользуясь этой схемой, в технологической карте записывают последовательно весь процесс сборки, начиная с базовых деталей и кончая готовым сварным барабаном.  [c.259]

Для наглядного представления результатов извлечения золота в отдельных операциях и по фабрике в целом рассчитывают баланс золота, представляющий собой схему движения металла по отдельным операциям. В качестве примера приведены результаты расчета баланса золота для рассмотренной выше технологической схемы. На рис. 114 эти же результаты представлены графически.  

[c.260]

Как влияют условия окружающей среды на работу элементов технологической схемы ГТУ Приведите примеры эрозии и коррозии этих элементов.[c.188]

Примеры типовых схем организации рабочих перемещений в технологических переходах при черновой токарной обработке приведены в табл. 20 и 21, примеры типовых схем фрезерных переходов – на рис. 34, обработки отверстий – на рис. 35.  [c.830]

Приведите основные схемы-главных деформаций, иллюстрируя их примерами технологических процессов обработки металлов давлением.  [c.81]

Методы расчета основных технологических характеристик, конструктивных размеров и энергетических затрат при выборе мокрых пылеуловителей. В качестве примера рассмотрим схему расчета мокрого пылеуловителя-скруббера Вентури, состоящего из трубы Вентури и каплеуловителя.  [c.312]


В качестве примера на рис. 9-7 показана принципиальная технологическая схема комплексной переработки воды Азовского моря.  [c.253]

Ниже приведена в качестве примера технологическая схема переработки стандартного шеелитового концентрата, содержа-  [c. 57]

Технологические схемы составляют отдельно для общей сборки изделия и для сборки каждого из ею узлов (по,цузлов) [4]. Рассмотрим принцип составления технологических схем на примере сборки узла муфты сцепления (рис. 13.4). Технологическая схема сборки дапногс узла показана на рис. 13.5, а, а технологические схемы сборки нодузлов…….. иа рис. 13.5, б и в. Цифрами  [c.195]

В качестве примера приведем схему технологического процесса обработки вала в ГПС. Разработка технологических процессов в обш,ем случае включает комплекс взаимосвязанных работ выбор метода получения заготовки, выбор технологических операций, определение, выбор и заказ новых средств технологического осиа-щепая (и том числе средств контроля и испытания) назначение и расчет режимов обработки нормирование процесса определение  [c.273]

Пример аксонометрической схемы системы вытяжной вентиляции ВЗ столярной мастерской учебно-производственного комбината приведен на рисунке 18. 29. Система обеспечивает отсосы от трех станков и напольный. Пьитевой вентилятор типа ЦП7-40 № 5, исполнение Б мощностью 7,5 кВт обеспечивает работу системы, выброс опилок и стружки в циклон типа Ц-800, воздуха — в атмосферу. На схеме показаны отсосы от технологического оборудования с указанием количества про-  [c.413]

В качестве примера приведем технологическую схему изготовления композиционного материала на основе алюминиевого сплава, упрочненного стальной проволокой [25]. В качестве матрицы использовали листы толщиной 0,5—1,0 мм из сплава АЛ1, АМг-3, АМг-6, Д20 в качестве упрочнителя — проволоку диаметром 0,15—0,24 мм из стали У8А или 12Х18Н10Т с прочностью 245— 295 кгс/мм . Ориентирование проволоки осуществлялось в результате намотки ее на оправку на специальном намоточном станке с натягом 10 кг. Общее число слоев составляло от 5 до 29 при числе слоев армирующей проволоки от 2 до 14.  [c.164]

Примером безотходной схемы (т. е. схемы, где осуществляется наиболее рациональное внутреннее использование ВЭР) является принципиально новая схема производства метанола агрегатами М-300, в которых исходный технологический газ получается пароуглекис-190  [c. 190]

Как уже отмечалось (см. счр. 13), технологическая схемя общей сборки изделия часто разрабатывается в укрупненном виде. На рис. 471 лриседена v качестве примера такая схема сборки редуктора РМ-250-400.  [c.518]

Методику проектирования технологических схем сборки машин разберем на примере короткоконусной дробилки 1650 (рис. 272). На схеме цифрами в прямоугольниках (малых) обозначены порядковые номера деталей, входящих в сборку отдельных сборочных единиц и в общую сборку машин. Окружностями обозначены технологические комплекты, треугольниками — подузлы, прямоугольниками (большими) — узлы. Направление потока сборки отдельных сборочных единиц и машины указано стрелками. Возможность параллельной сборки узлов, подузлов и комплектов указана параллельными линиями.  [c.463]

В качестве примера на рис. 1 приведена технологическая схема и в табл. 1—технологическая карта котлетоформовочного автомата системы Еленича. Приготовленный фарш из накопителя подается шнеком 5 под давлением через питатель 4 в дози-ровочно-формующее устройство, состоящее из барабана 8 с пятью двусторонними поршнями 9. При вращении барабана поршни совершают возвратно-поступательное движение. При подходе поверхности барабана с поршнями в зону питателя поршни утопают на определенную величину и образовавшиеся гнезда заполняются фаршем (рис. 1, б). При выходе этой части поверхности барабана из зоны питателя поршни выталкивают отформованные котлеты на поверхность барабана, где они отделяются от поверхности поршней специальным ножом 10 и подаются на лоток 2. Лотки 2 для котлет загружаются в магазин 1, откуда они автоматически забираются пальцами 12 конвейерной цепи И и направляются под формовочный барабан. При подходе к барабану лоток посыпается слоем панировочных сухарей из бункера 6 сухарницей 3. При дальнейшем движении на лоток укладывается ряд из пяти котлет, которые затем посыпаются сверху слоем панировочных сухарей из бункера сухарницей 7.  [c.7]

Щелочные растворы сульфата или карбоната аммония. П аммиачном выщелачивании такие металлы, как медь, никель, бальт и цинк переходят в раствор в виде катионных аммиачн комплексов. При повышении щелочности и содержания свобс ного аммиака в различной степени изменяется экстракционн поведение этих металлов, что можно показать на примере неско/ ких технологических схем. Одна из трудностей экстракции аммиачных растворов связана с тем, что в органической фа 138  [c.138]

В качестве примера, связанного с изменением внутренних взаимосвязей в традиционных технологических схемах, рассмотрим принципиальную схему Ыа-катионирования с частичной утилизацией сточных вод (рис. 8.3). Водопроводная вода умягчается на Ыа-ка-тионитных фильтрах, деаэрируется и направляется на подпитку теплосети. Промывочные воды фильтров собираются в баке 6, осветляются в фильтре 7 и поступают в бак 8, служащий также для сбора маломинерализованной части отмывочных вод фильтров. Из бака 8 вода направляется для взрыхления рабочих фильтров, а ее избыток смешивается с исходной водой. Основная часть регенерационных сточных вод 10 собирается в баке-кристаллизаторе И и подвергается содово-известковой обработке для снижения концентраций ионов  [c. 229]

Рассмотрим решение этой задачи на примере тепловой схемы включения экономайзеров низкого ЭК-1 и высокого ЭК-2 давлений, приведенной на рис. 8-8. Для поддержания постоянной температуры воды на входе в фиксатор ФК, задаваемой технологическими условиями, предусматривается отдельный поток питательной воды в количестве Пф, отводимой после деаэратора с температурой Оптимизируемыми величинами в данном случае являются поверхности нагрева экономайзеров высокого р2 и низкого давлений. При этом поверхность должна соответствовать условиям беспарового режима работы экономайзера низкого давления на всех расчетных нагрузках и обеспечения устойчивой работы деаэратора.  [c.222]


Технологические переходы и схема наладки при штамповке деталей на двухпозиционных и многопозиционных автоматах фирмы Сакма . На рис. 58 в качестве примера дана схема наладки двухпозиционного автомата фирмы Сакма для штамповки пустотелого пальца методом обратного выдавливания.[c.270]

В качестве примера иа рис. 11, а показана технологическая схема сборки двух деталей — оправки 1 и кожуха 2. Оправка диаметром 46 мм из стали 20 имеет две кольцевые канавки. Кожух диаметром 46,4 мм из стали 10 имеет толщину стенки 1,5 мм. Применение магнитио-импульсиой сборки по сравнению с закаткой роли-  [c.285]

В 40-х годах машиноведы вплотную подошли к решению задач исследования и, в частности, синтеза машин-автоматов. Задача была сформулирована еще в конце 30-х годов. А. П. Иванов поставил задачу синтеза механизмов автоматов в зависимости от точности действия этих механизмов. И. А. Клапаух дал пример создания схемы автомата повышенной производительности по заданному технологическому процессу. С. В. Вяхирев рассмотрел вопрос проектирования машин-автоматов.  [c.216]

В табл. 31 указаны способы подвода СОЖ при прецизионном растачивании при обтачивании СОЖ подводят традищюнным способом. При применении СОЖ повышается размерная стойкость и уменьшаются параметры шероховатости. Однако из за трудности ограждения от разбрызгивания и отвода СОЖ применение ее на горизонтальных отделочнорасточных станках с подвижным столом ограничено. В табл. 32 приведены типовые технологические схемы операций прецизионного точения. Примеры обработки различных деталей представлены в табл. 33.  [c.581]


примеры схем электроснабжения квартир

Приведем несколько несложных примеров электроснабжения квартир с небольшими пояснениями.

Квартира повышенной комфортности

Схема электроснабжения коттеджа

В квартирах старого проектирования с 2-х проводными электросетями с незаземленным оборудованием применение УЗО позволяет повысить электробезопасность и в плане жизни человека, и в плане вероятности возникновения пожаров из-за неисправной электропроводки. Одно из таких решений показано на рис.1. Здесь защищен один из важных потребителей – электроплита. Однако, такое решение рекомендуется рассматривать только в качестве временного решения и провести все же реконструкцию объекта. В данной схеме для правильной работы УЗО в случае тока утечки, необходимо, чтобы этот ток проходил через проводник, не подключенный к УЗО. Поэтому до места подключения УЗО необходимо разветвиться еще на один проводник – защитный проводник PE. Для вновь возводимых объектов проектируют систему заземления TN-C-S. Данная система подразумевает трехпроводное подключение электрооборудования. В этом случае стараются рационально спроектировать защиту максимального числа линий и оборудования. Несложный пример такого решения представлен на рис.2.
На рис.3 приведена схема квартиры повышенной комфортности, где на вводе установлен главный дифференциальный автомат с максимальным током утечки током, равным 300мА. Спроектировано так потому, что оборудования в квартире много и суммарный ток утечки от всего оборудования вполне может достигнуть этого значения. Хотя отдельно на каждом из них может находиться в пределах нормы. И чтобы обезопасить работу каждого оборудования и человека, который с ним будет иметь дело, в цепи питания розеток и электрооборудования установлены индивидуальные дифференциальные автоматы с током срабатывания по утечке 30мА. На ванную комнату в цепи питания розеток установлен дифавтомат с максимальным током по утечке 10мА, т.е. предусмотрена защита в связи с имеющейся влажностью объекта.
На рис.4 приведена схожая с предыдущей примерная схема частного дома с рекомендуемой системой заземления TN-C-S. Обратим внимание, что на вводе схемы установлен рассмотренный нами ранее в разделе “Устройства автоматики” ОИН. Во всех цепях (за исключением внутрикомнатного освещения) установлены дифференциальные автоматы с рекомендуемыми максимальными токами утечки. Далее рассмотрим чуть посложнее случай.

Моделирование в PSpice. Часть 1.

 

   На рынке существует множество бесплатных и платных симуляторов аналоговых схем. Все они основаны на вычислительном ядре SPICE и отличаются друг от друга интерфейсом пользователя и различными дополнительными возможностями. Стандартом «де факто» для моделирования схем считается продукт компании Cadence Design Systems – система моделирования PSpice. В данной статье рассматриваются преимущества, которые получает разработчик аналоговых и цифро-аналоговых схем за счет использования программного обеспечения PSpice.

   Если вам нужно выполнить элементарное моделирование небольшой схемы, содержащей несколько транзисторов и пассивных компонентов, то можно использовать простейшие бесплатные SPICE-симуляторы, доступные для скачивания в интернете (например, OrCAD Lite с сайта www.orcad.com). Однако более профессиональные инструменты для схемотехнического моделирования могут дать разработчику гораздо больше преимуществ. Если воспользоваться дополнительными возможностями таких продуктов, как полный OrCAD PSpice с опцией PSpice Advanced Analysis, разработчики могут не только в разы сократить свои трудозатраты при разработке новых проектов, но и сэкономить много денег и времени для своего предприятия в целом, повышая эффективность всех этапов проектирования, производства и эксплуатации радиоэлектронной аппаратуры.

   Рассмотрим, какие программные продукты предлагаются в составе линейки OrCAD PSpice. Имеется несколько продуктов, различающихся по функционалу:
 

  • OrCAD – бесплатная «студенческая» версия системы , имеющая ограничения по количеству цепей и по функционалу.
    Она содержит схемный редактор , редактор печатных плат и некоторые виды анализа .

  • OrCAD PSpice Designer – схемный редактор и все базовые виды анализа

  • OrCAD PSpice Designer Plus – схемный редактор, базовые виды анализа плюс блок расширенных видов анализа Advanced Analysis
    (чувствительность, оптимизация и т.д.)

  • PSpice Simulator –  более старшая линейка САПР Allegro, базовые виды анализа плюс блок расширенных видов анализа (чувствительность, оптимизация и т.д.)

  • PCB Designer Professional with PSpice – практически полный набор приложений, включая симулятор PSpice,
    схемный редактор OrCAD Capture, редактор печатных плат PCB Editor, автотрассировщик SPECCTRA,
    симулятор целостности сигналов SigXplorer и т. д.

  • Allegro PSpice Systems Option – опция для стыковки PSpice с пакетом Matlab/Simulink.
     

   OrCAD PSpice Designer состоит из нескольких приложений, тесно связанных между собой:

  • Capture – схемный редактор для создания и редактирования электрических схем

  • Model Editor – редактор для создания и корректировки Spice-моделей

  • Stimulus Editor – редактор входных воздействий

  • Parts Editor – редактор моделей магнитных компонентов

  • PSpice A/D – вычислительное ядро симулятора для цифровых и аналоговых схем

  • PSpice Advanced Analysis – дополнительные модули для расширенного анализа схем

 

   Программа PSpice содержит большое количество готовых библиотек Spice-моделей и схемных символов, а кроме того, в интернете доступно огромное количество дополнительных моделей – как на сайтах производителей электронных компонентов, так и на специализированных порталах. Все они совместимы именно с PSpice.

   Надо отметить, что PSpice предоставляет широкий набор средств как для моделирования, так и для обработки результатов анализа. Удобный и интуитивный интерфейс схемного редактора позволяет легко назначать модели, устанавливать точки для контроля напряжений, токов и мощности (Рис.1), пользоваться формулами для построения требуемых графиков и осциллограмм, строить графики совмещенные или разбитые по разным осям (Рис.2,3).

 

Рис.1. Схема в редакторе OrCAD Capture с результатами моделирования узловых напряжений и токов, полученными в PSpice.

Рис.2. Пример осциллограмм, полученных в PSpice – как на одном графике, так и в разных осях.

Рис.3. Пример результатов моделирования в PSpice с перебором параметров.

#s3gt_translate_tooltip_mini { display: none !important; }

   В библиотеках программы имеется более 33000 компонентов со Spice-моделями аналоговых и цифровых компонентов.
Эти библиотеки не требуют дополнительной установки, они устанавливаются сразу же. Специальная панель PSpice Part Search (рис.4) в схемном редакторе OrCAD Capture позволяет осуществлять мгновенный поиск требуемых компонентов. Компоненты отображаются по категориям или по библиотекам, у каждого есть наименование (Part Name) и описание (Description). При выборе библиотечного компонента возможен предпросмотр схемного символа (рис.5). Также пользователи могут добавлять собственные компоненты в библиотеку.

 

Рис.5. Предварительный просмотр схемного символа в библиотеке PSpice.

 

Рис.4. Панель поиска компонента
по категориям.

 

   Также вы можете искать SPICE-модели в интернете. Перейти к онлайн-поиску можно непосредственно через панель PSpice Part Search. Прямо в окне схемотехнического редактора OrCAD Capture откроется портал OrCAD Capture Marketplace, вкладка Models (рис.6). Можно задать в ней фильтр поиск по типу модели, производителю, типу устройства и т. д. 

Рис. 6. Поиск моделей в интернете через окно схемного редактора.

   Также на портале OrCAD Capture Marketplace доступны дополнительные приложения для OrCAD и PSpice, которые можно скачать и установить на компьютере. Эти приложения повышают производительность OrCAD Capture и Pspice, и добавляют новые удобные функции. Атрибуты компонентов и техническое описание можно загружать в библиотеку автоматически с помощью приложения
Part Link от компании Digi-Key. Создавать новые модели можно с помощью приложений PSpice Modelling Apps. Дополнительные возможности по моделированию добавляет приложение PSpice Monte Carlo Temperature Sweep.

   Новые Spice-модели, найденные в интернете или созданные с помощью приложений PSpice Modelling Apps, легко и быстро подключаются к компонентам прямо на схеме. Достаточно выделить компонент на схеме OrCAD Capture и выбрать команду
ПКМ – Associate PSpice Model. С помощью команды Edit PSpice Model можно отредактировать текст модели в PSpice Model Editor. Примеры моделей, которые можно создать с помощью PSpice Modelling Apps, приведены на рис.7.

Рис.7. Различные приложения для создания Spice-моделей в PSpice.

(Слева-направо: создание модели трансформатора; создание модели генератора, управляемого напряжением;
создание модели ключа; создание модели стабилитрона;
создание модели источника сигнала; создание модели варистора.)

   Освоить функционал PSpice можно очень быстро с помощью встроенного в программу интерактивного учебника, с упражнениями и готовыми примерами, с готовыми настройками для моделирования (рис.8). Запустить учебник можно через меню Help – Learning PSpice. При этом открывается новая вкладка в схемном редакторе, в которой представлены учебные материалы по изучению PSpice, разбитые по категориям «от простого к сложному». В каждом разделе есть примеры схем, которые пользователь может открыть в схемном редакторе OrCAD Capture, просто нажав на соответствующую картинку левой кнопкой мыши, и промоделировать в PSpice с готовыми настройками проекта. В учебнике представлены не только проекты, но и теоретические аспекты различных схемотехнических решений. Учебник постоянно пополняется новыми материалами, поэтому пользователи, регулярно получающие обновления от Cadence, имеют возможность регулярно получать и использовать новые главы учебника.

Рис.8. Интерактивный учебник, встроенный в OrCAD PSpice.

   Благодаря функции Test Bench можно промоделировать только часть схемы. Для этого надо выделить часть схемы и создать из этого участка так называемый «Испытательный стенд» (рис.9). На схеме можно создавать несколько Test Bench для одного или разных каскадов схемы. Несколько Test Bench можно сравнить и вывести на экран различия с помощью функции Compare Test Bench.

Рис.9. Моделирование части схемы – Test Bench (моделируемая часть схемы выделена цветом).

В PSpice можно выполнять различные виды анализа схем (рис.10):

  • Анализ по постоянному току

  • Анализ по переменному току

  • Анализ шумов

  • Анализ переходных процессов

  • Фурье-анализ

  • Параметрический анализ

  • Температурный анализ

  • Анализ разброса параметров методом Монте-Карло

  • Анализ чувствительности методом наихудшего случая

  • Анализ передаточной функции

Рис. 10. Настройки PSpice. Выбор вида анализа схемы.

   Помимо этого, вы можете подключить возможности расширенного анализа схем с помощью функционала PSpice Advanced Analysis (пакет OrCAD PSpice Designer Plus или Allegro PSpice Simulator), а также состыковать симулятор PSpice с программой моделирования электромеханических систем Matlab/Simulink (опция PSpice Systems Option).

   В новой 64-битной версии PSpice обеспечено существенное повышение производительности вычислений и точности результатов.
За счет высокой точности вычислений (64 бита) можно получать более точные графики. Новый параметр Speed Level позволяет ускорить переключение устройств и дает серьезный прирост в скорости вычислений. Новый параметр TREADS позволяет задействовать большее количество ядер процессора для ускорения вычислений (рис.11).

Рис.11. Настройки PSpice. Выбор скорости и количества задействованных ядер ЦПУ.

   Для сложных схем и переходных процессов актуальна проблема сходимости вычислений. В OrCAD PSpice проблема сходимости решается сбалансированным количеством настроек и специальной функцией автоконвергенции (AutoConverge). В рамках данной настройки программа автоматически регулирует точность вычислений в заданных пределах для достижения сходимости. Дополнительные опции (Advanced Options) позволяют более тонко настроить параметры вычислительного алгоритма (рис.12).

Рис.12a. Настройки PSpice. Управление сходимостью вычислений. Автоконвергенция.

Рис.12б. Настройки PSpice. Управление сходимостью вычислений. Дополнительные опции.

   Во время моделирования можно ставить процесс на паузу и менять управляющие опции. Для длительных процессов есть возможность сохранить текущее состояние моделирования в контрольных временных точках, а затем загрузить и продолжить расчеты после изменения параметров. Результаты моделирования PSpice выводятся в графическом виде, а также в виде текстового файла с результатами расчетов. Кроме того, результаты в виде узловых напряжений, значений токов на выводах компонентов и уровня мощности выводятся непосредственно в окне схемного редактора OrCAD Capture (рис. 13).

Рис.13. Варианты вывода результатов моделирования PSpice.
Гистограмма и спектр, осциллограмма и текстовый файл.

   Также в PSpice появился новый вариант представления результатов моделирования. С помощью функции Tools – Generate Report пользователь может создавать собственные отчеты. В отчет могут быть включены: среднее значение, среднеквадратичная величина, пиковые значения тока, напряжения и мощности. Форма отчета полностью настраивается.
   Файл скрипта TCL находится в папке <installation>\tools\pspice\tclscripts\orPspReport. Для автоматической генерации HTML отчетов может быть применена команда “.TCLPOSTRUN”.

   В PSpice можно проводить совместное моделирование аналоговой и цифровой части схемы. В одном окне виртуального осциллографа можно построить необходимое число графиков. На каждом графике может быть несколько осциллограмм, которые можно откладывать от разных вертикальных осей Y (рис.14). Осциллограммы можно легко переносить с одного графика на другой или в отдельное окно, и там производить их обработку.

Рис.14. Совместное моделирование цифровых и аналоговых частей схемы.

   В симуляторе PSpice можно подключать модели, описанные на языке высокого уровня C/C++. Программа на языке C/C++, например, может описывать поведение входов, выходов и внутренней логики микроконтроллера, а через порты ввода-вывода она управляет аналого-цифровой схемой. В этом случае код программы надо скомпилировать в виде DLL-модуля и подключить его прямо
в SPICE-модель, описанную оператором «.SUBCKT».

 

   В PSPICE имеется редактор моделей индуктивных компонентов Magnetic Parts Editor – специальная программа для создания моделей трансформаторов, дросселей и индуктивностей.  Модели формируются на основе библиотеки материалов в точном соответствии с параметрами пользователя. Библиотека материалов может быть отредактирована и дополнена новыми материалами.
  

Пользователь может выбрать следующие виды компонентов:

  • Power Transformer (Sine and Pulse wave)

  • Forward Converter (Single Switch Topology)

  • Forward Converter (Double Switch Topology)

  • Flyback Converter (Discontinuous Conduction Mode)

  • DC Inductor (Single Winding)

Пользователь может задать число обмоток, входные и выходные параметры, рабочие частоты, плотность тока, размеры и другие параметры индуктивных компонентов (рис. 15).

Рис.15. Создание моделей индуктивных компонентов в PSpice.

 

   Очень полезны функции обработки и визуализации результатов вычислений. При построении графиков можно применять математические выражения, специальные функции и макросы.  Инструмент Performance Analysis позволяет строить гистограммы
для результатов статистического анализа по методу Монте-Карло. Вычислительные функции Measurements позволяют быстро найти сложные зависимости и параметры схемы, например, полосу пропускания, частоты среза и прочее (рис.16).

Рис.16. Применение математических выражений и специальных функций обработки результатов.

 

   Обычный анализ Монте-Карло присутствует в большинстве SPICE-симуляторов. Он позволяет проверить работу схемы при изменении параметров одного из компонентов. Например, задав минимальный и максимальный номинал резистора в пределах стандартного допуска +/-10%, а также шаг изменения номинала, можно получить семейство графиков (см. рис.). Но, к сожалению, это дает не так много информации, как хотелось бы, и не позволяет в полной мере проанализировать надежность и стабильность схемы.

   К счастью, в PSpice имеются более продвинутые и полезные инструменты расширенного анализа схем, которые объединены в опцию PSpice Advanced Analysis. С помощью инструментов PSpice Advanced Analisys разработчики могут улучшать повторяемость и надежность проектов. Например, разработчика могут интересовать следующие вопросы:

   Прибор может корректно работать в лаборатории, но будет ли работать изготовленная серия?

   Будет ли он корректно работать:

  • При скачках температуры?

  • При отклонениях номиналов?

  • Во всем диапазоне?

  • При старении?
     

Перегружены ли какие-то отдельные компоненты?

Они откажут при тестировании или при эксплуатации?

Есть ли слишком чувствительные части в схеме, которые могут вызвать проблемы в будущем?

Какие компоненты скорее всего могут отказать при производстве прибора?

Более подробно о функциях и возможностях расширенного анализа PSpice мы расскажем в следующей статье. 2-30x+100$ равна $6$. После деления на два заданных бинома степень заданного многочлена уменьшится на $2$, т.е. станет равна $4$.

Конечно, данный метод подбора малоэффективен в общем случае, когда корни не являются целыми числами, но для целочисленных корней метод довольно-таки неплох.

5 “Пример и схема ответа (Описание API)”

Edit me

Пример ответа показывает ответ на пример запроса. Схема ответа определяет все возможные элементы в ответе. Пример ответа не является исчерпывающим для всех конфигураций параметров или операций, но он должен соответствовать параметрам, переданным в примере запроса. Ответ позволяет разработчикам узнать, содержит ли ресурс информацию, которую они хотят, формат и структура информации и т.д.

Описание ответа иногда еще называют схемой ответа. Схема ответа документирует ответ более полным, общим способом, перечисляя каждое свойство, которое может быть возвращено, что содержит каждое свойство, формат данных значений, структуру и другие подробности.

Примеры и схемы ответов

Ниже приведен пример ответа от SendGrid API. Их документация обеспечивает отображение Примера на одной вкладке:

А схема ответа на другой вкладке:

Определение ответа называется схемой или моделью (термины используются как синонимы) и равняется на язык и описания схемы JSON. Что особенно хорошо в примере SendGrid, так это использование тегов раскрытия / свертывания для отражения той же структуры, что и в примере, с объектами на разных уровнях.

Swagger UI также предоставляет и пример значения и схему/модель. Например, в примере документа API Sunrise и Sunset Times, который используется в практике SwaggerUI (которое будет приведено позже в курсе), можно увидеть различие между примером ответа и схемой ответа. Вот Пример значения:

Пример ответа должен соответствовать примеру запроса. Так же, как пример запроса может включать только подмножество всех возможных параметров, пример ответа также может быть подмножеством всей возможной возвращаемой информации.

Схема ответа содержит все возможные свойства, возвращаемые в ответе. Вот почему нужен и пример ответа, и схема ответа. Вот схема ответа для API Sunrise и Sunset Times:

Схема или модель обеспечивает следующее:

  • Описание каждого свойства;
  • Определение типа данных для каждого свойства;
  • Является ли каждое свойство обязательным или необязательным.

Если информацию заголовка важно включить в пример ответа (поскольку она предоставляет уникальную информацию, отличную от стандартных кодов состояния), то ее также надо включить .

Нужно ли определять ответ?

Иногда в документации API схема ответа может отсутствовать, поскольку ответы могут показаться самоочевидными или интуитивно понятными. В API Twitter ответы не поясняются (пример здесь).

Большая часть документации была бы лучше с подробно описанным ответом, особенно если свойства являются сокращенными или загадочными. Разработчики иногда сокращают ответы, чтобы повысить производительность за счет уменьшения объема отправляемого текста. В одной конечной точке, ответ содержал около 20 различных аббревиатур из двух букв. Чтобы выяснить, что означает каждая аббревиатура, было потрачено несколько дней и обнаружено, что многие разработчики, работавшие над этим API, даже не знали, что означают многие ответы.

Использование реалистичных значений в примере ответа

В примере ответа значения должны быть реалистичными, а не реальными. Если разработчики дают вам пример ответа, убедитесь, что значения являются разумными и не отталкивающе фальшивыми (например, пользователи, состоящие из имен персонажей комиксов).

Кроме того, образец ответа не должен содержать реальных данных клиента. Если вы получаете пример ответа от разработчика и данные выглядят реальными, убедитесь, что они получены не из клонированной только что производственной базы данных, как это обычно делается. Разработчики могут не осознавать, что данные должны быть вымышленными, но репрезентативными, и очистка производственной базы данных может быть для них самым простым подходом.

Форматируем JSON и используем подсветку синтаксиса кода

Используйте правильный формат JSON для ответа. Такие инструменты, как JSON Formatter and Validator, помогут скорректировать синтаксис.

Если есть возможность добавить подсветку синтаксиса, обязательно нужно делать это. При использовании статического генератора сайтов, например Jekyll или синтаксис Markdown с GitHub, можно использовать встроенную подсветку синтаксиса Rouge. Другие статические генераторы сайтов могут использовать Pygments или аналогичные расширения.

Rouge и Pygments полагаются на «лексеры», чтобы указать, как код должен быть выделен. Например, некоторыми распространенными лексерами являются java, json, html, xml, cpp, dotnet и javascript.

Стратегии документирования вложенных объектов

Часто бывает, ответ содержит вложенные объекты (объекты внутри объектов) или повторяющиеся элементы. Форматирование документации для схемы ответа является одним из наиболее сложных аспектов справочной документации API.

Очень популярно использование таблиц. В курсе Петера Грюнбаума по технической документацииAPI для Udemy Грюнбаум представляет вложенные объекты, используя таблицы с различными столбцами:

Грюнбаум использует таблицы главным образом для того, чтобы уменьшить акцент на инструментах и ​​уделить больше внимания контенту.

Dropbox API представляет вложение косой чертой. Например, name_details/, team/ и quota_info указывают несколько уровней объекта.

Другие API будут вкладывать определения ответов для имитации структуры JSON. Вот пример из bit.ly API:

Многоуровневые списки обычно являются бельмом на глазу, но здесь они служат цели, которая хорошо работает, не требуя сложного моделирования.

Подход eBay еще уникальнее. В их случае MinimumAdvertisedPrice вложен в DiscountPriceInfo, который вложен в Item, который вложен в ItemArray. (Обратите внимание, что этот ответ находится в формате XML вместо JSON.):

Вот документация ответа:

Также интересно, сколько деталей eBay включает для каждого элемента. В то время как авторы Twitter, опускают описания, авторы eBay пишут небольшие романы, описывающие каждый элемент в ответе.

Дизайн в три колонки

Некоторые API-интерфейсы помещают ответ в правый столбец, чтобы вы могли видеть его, одновременно просматривая описание и параметры ресурса. API Stripe сделал этот дизайн в три колонки популярным:

В дизайне Stripe образец ответа сопоставляется в правой части окна со схемой ответа в главном окне. Идея в том, что вы можете видеть и то и то одновременно. Описание не всегда совпадает с ответом, что может привести к путанице. Тем не менее, разделение примера ответа от схемы ответа в отдельных столбцах помогает различать их.

Многие API смоделировали свой дизайн после Stripe. Например, Slate, Spectacle или Readme.io. Следует ли использовать Дизайн в три колонки с документацией по API? Может быть.

Но если пример ответа и описание не совпадают, внимание пользователя несколько расфокусируется, и пользователь должен прибегнуть к дополнительной прокрутке вверх-вниз. Кроме того, если в дизайне используется три столбца, средний столбец может иметь некоторые ограничения, которые не оставят много места для скриншотов и примеров кода.

MYOB Developer Center использует интересный подход к документированию JSON в своих API. Они перечисляют структуру JSON в виде таблицы, с разными уровнями отступов. Можно навести курсор мыши на поле с для появления всплывающей подсказки с описанием или щелкнуть по полю, чтобы раскрыть описание ниже. Использование всплывающих подсказок позволяет идеально выровнять строки, содержащие пример и описание.

Такой подход облегчает поиск, а подход с всплывающими подсказками и раскрывающимся описанием позволяет сжать таблицу, чтобы можно было переходить к интересующим частям. Однако этот подход требует больше ручной работы с точки зрения документации. Тем не менее, для длинных объектов JSON, это может стоить того.

Встраивание динамических ответов

Иногда ответы генерируются динамически на основе вызовов API в тестовой системе. Например, посмотрите на API Rhapsody и щелкните конечную точку – ответ генерируется динамически.

Другой API с динамическими ответами – это API OpenWeatherMap (с которым мы практиковались ранее). Если щелкнуть ссылку в разделе «Примеры вызовов API», например http://samples.openweathermap.org/data/2.5/weather?q=London, вы увидите ответ, возвращенный в браузере.

На самом деле, ответ OpenWeatherMap не генерируется динамически, но он так выглядит.

API Citygrid, который мы рассмотрели в разделе Пример запроса, также динамически генерирует ответы.

Такой динамический подход хорошо подходит для запросов GET, которые возвращают публичную информацию. Однако, вероятно, он не будет масштабироваться для других методов (таких как POST или DELETE) или для запроса авторизации.

Что насчет кодов ошибок?

В разделе ответов иногда кратко перечисляются возможные статусы и коды ошибок, возвращаемые вместе с ответами. Однако, поскольку эти коды обычно используются всеми конечными точками в API, статусы и коды ошибок часто документируются в отдельном разделе, отдельно от документации конкретной конечной точки. Все это есть в разделе Статусы и коды ошибок.

Пример и схема ответа конечной точки SurfReport

Давайте создадим раздел для нашей конечной точки surfreport/{beachId} , в котором покажем пример и схему ответа.

Вот пример к разделу:

Пример ответа

Ниже пример ответа конечной точки surfreport/{beachId}

{
    "surfreport": [
        {
            "beach": "Santa Cruz",
            "monday": {
                "1pm": {
                    "tide": 5,
                    "wind": 15,
                    "watertemp": 80,
                    "surfheight": 5,
                    "recommendation": "Go surfing!"
                },
                "2pm": {
                    "tide": -1,
                    "wind": 1,
                    "watertemp": 50,
                    "surfheight": 3,
                    "recommendation": "Surfing conditions are okay, not great. "
                },
                "3pm": {
                    "tide": -1,
                    "wind": 10,
                    "watertemp": 65,
                    "surfheight": 1,
                    "recommendation": "Not a good day for surfing."
                }
                ...
            }
        }
    ]
}

В таблице ниже описание для каждого пункта

Пункт ответаОписаниеТип данных
beachПляж, выбранный на основе идентификатора пляжа в запросе. Название пляжа – это официальное название, описанное в базе геоданных Службы национальных парков.string
{day}Выбранный день недели. В ответ возвращается максимум 3 дня.Object
{time}Выбранное время для погодный условий. Этот элемент включается только в том случае, если в запрос включен параметр времени.string
{day}/{time}/tideУровень прилива на пляже в определенный день и время. Прилив – это расстояние внутри страны, до которого поднимается вода, и может быть положительным или отрицательным числом. При отливе, число отрицательное. При приливе, число положительное. Точка 0 отражает линию, при отсутствии прилива/отлива, и находится в переходе между двумя состояниями.Integer
{day}/{time}/windСкорость ветра на пляже измеряется в узлах (морских миль в час). Ветер влияет на высоту прибоя и общие условия волнения. Скорость ветра более 15 узлов делает условия серфинга нежелательными, потому что ветер создает белые шапки и неспокойную воду.Integer
{day}/{time}/watertempТемпература воды, возвращаемая в градусах Фаренгейта или Цельсия, в зависимости от указанных единиц измерения. Для температуры воды ниже 70 F может потребоваться гидрокостюм. При температуре ниже 60, вам понадобится как минимум 3-миллиметровый гидрокостюм и желательно пинетки, чтобы согреться.Integer
{day}/{time}/surfheightВысота волн возвращается в футах или сантиметрах в, зависимости от указанных единиц измерения. Высота прибоя 3 фута – минимальный размер, необходимый для серфинга. Если высота прибоя превышает 10 футов, заниматься серфингом небезопасно.Integer
{day}/{time}/recommendationОбщая рекомендация, основанная на сочетании различных факторов (ветер, температура воды, высота полета). Возможны три варианта ответа: (1) «Займитесь серфингом!», (2) «Условия серфинга в порядке, но не круто», и (3) «Не очень хороший день для серфинга». Каждый из трех факторов оценивается максимум в 33,33 балла, в зависимости от идеала для каждого элемента. Три элемента объединены, чтобы сформировать процент. От 0% до 59% дает ответ 3, от 60% до 80% дает ответ 2, а от 81% до 100% дает ответ 1.String

Следующие шаги

Мы прошлись по каждому из разделов, теперь взглянем на них вместе в разделе Собираем все вместе.

🔙

Go next ➡

цепей простой серии | Последовательные и параллельные цепи

На этой странице мы изложим три принципа, которые вы должны понимать в отношении последовательных цепей:

  1. Ток : Величина тока одинакова для любого компонента в последовательной цепи.
  2. Сопротивление : Общее сопротивление любой последовательной цепи равно сумме отдельных сопротивлений.
  3. Напряжение : Напряжение питания в последовательной цепи равно сумме отдельных падений напряжения.

Давайте рассмотрим несколько примеров последовательных схем, демонстрирующих эти принципы.

Начнем с последовательной цепи, состоящей из трех резисторов и одной батареи:

 

 

Первый принцип, который нужно понять о последовательных цепях, заключается в следующем:

Величина тока в последовательной цепи одинакова для любого компонента в цепи.

Это связано с тем, что в последовательной цепи имеется только один путь для протекания тока.Поскольку электрический заряд течет по проводникам подобно шарикам в трубке, скорость потока (скорость шариков) в любой точке цепи (трубки) в любой конкретный момент времени должна быть одинаковой.

Использование закона Ома в последовательных цепях

По тому, как устроена 9-вольтовая батарея, мы можем сказать, что ток в этой цепи будет течь по часовой стрелке, от точки 1 к точке 2, к точке 3, к точке 4 и обратно к точке 1. Однако у нас есть один источник напряжение и три сопротивления. Как здесь использовать закон Ома?

Важная оговорка к закону Ома заключается в том, что все величины (напряжение, ток, сопротивление и мощность) должны соотноситься друг с другом с точки зрения одних и тех же двух точек в цепи.Мы можем увидеть эту концепцию в действии в приведенном ниже примере схемы с одним резистором.

Использование закона Ома в простой цепи с одним резистором

С помощью схемы с одной батареей и одним резистором мы могли бы легко вычислить любую величину, потому что все они относились к одним и тем же двум точкам схемы:

 

 

 

Поскольку точки 1 и 2 соединены вместе проводом с пренебрежимо малым сопротивлением, как и точки 3 и 4, можно сказать, что точка 1 электрически общая с точкой 2, а точка 3 электрически общая с точкой 4. Поскольку мы знаем, что у нас есть 9 вольт электродвижущей силы между точками 1 и 4 (непосредственно через батарею), и поскольку точка 2 является общей для точки 1, а точка 3 является общей для точки 4, мы также должны иметь 9 вольт между точками 2 и 3. (непосредственно через резистор).

Таким образом, мы можем применить закон Ома (I = E/R) к току через резистор, потому что мы знаем напряжение (E) на резисторе и сопротивление (R) этого резистора. Все термины (E, I, R) относятся к одним и тем же двум точкам цепи, к одному и тому же резистору, поэтому мы можем безоговорочно использовать формулу закона Ома.

Использование закона Ома в цепях с несколькими резисторами

В цепях, содержащих более одного резистора, мы должны быть осторожны в применении закона Ома. В примере схемы с тремя резисторами ниже мы знаем, что у нас есть 9 вольт между точками 1 и 4, что является величиной электродвижущей силы, управляющей током через последовательную комбинацию R 1 , R 2 и R 3 . Однако мы не можем взять значение 9 вольт и разделить его на 3 кОм, 10 кОм или 5 кОм, чтобы попытаться найти значение тока, потому что мы не знаем, какое напряжение находится на каждом из этих резисторов в отдельности.

 

 

Цифра 9 вольт — это общая величина для всей цепи, тогда как цифры 3k, 10k и 5k Ω — это отдельных величин для отдельных резисторов. Если бы мы подставили цифру полного напряжения в уравнение закона Ома вместе с цифрой индивидуального сопротивления, результат не был бы точно связан с какой-либо величиной в реальной цепи.

Для R 1 закон Ома свяжет величину напряжения на R 1 с током через R 1 при заданном сопротивлении R 1 , 3 кОм:

 

 

Но, поскольку мы не знаем напряжения на резисторах R 1 (только общее напряжение, выдаваемое батареей через комбинацию из трех резисторов) и не знаем ток на резисторах R 1 , мы можем не делать никаких расчетов по любой формуле. То же самое касается R 2 и R 3 : мы можем применить уравнения закона Ома тогда и только тогда, когда все члены представляют их соответствующие величины между одними и теми же двумя точками в цепи.

Так что мы можем сделать? Нам известно напряжение источника (9 вольт), приложенное к последовательной комбинации R 1 , R 2 и R 3 , и мы знаем сопротивление каждого резистора, но, поскольку эти величины не входят в В том же контексте мы не можем использовать закон Ома для определения тока в цепи.Если бы мы только знали, каково общее сопротивление для цепи: тогда мы могли бы рассчитать общий ток с нашим значением для общего напряжения (I = E/R).

Объединение нескольких резисторов в эквивалентный общий резистор

Это подводит нас ко второму принципу последовательных цепей:

Общее сопротивление любой последовательной цепи равно сумме сопротивлений отдельных элементов.

Это должно быть интуитивно понятным: чем больше последовательно соединенных резисторов, через которые должен протекать ток, тем труднее будет протекать току.

В примере задачи у нас были последовательные резисторы 3 кОм, 10 кОм и 5 кОм, что дало нам общее сопротивление 18 кОм:

 

 

По сути, мы рассчитали эквивалентное сопротивление R 1 , R 2 и R 3 вместе взятых. Зная это, мы могли бы перерисовать схему с одним эквивалентным резистором, представляющим последовательную комбинацию R 1 , R 2 и R 3 :

.

 

 

Расчет тока цепи по закону Ома

Теперь у нас есть вся необходимая информация для расчета тока цепи, потому что у нас есть напряжение между точками 1 и 4 (9 вольт) и сопротивление между точками 1 и 4 (18 кОм):

 

 

Расчет напряжений компонентов по закону Ома

Зная, что ток через все компоненты последовательной цепи одинаков (а мы только что определили ток через батарею), мы можем вернуться к исходной схеме цепи и отметить ток через каждый компонент:

 

 

Теперь, когда мы знаем величину тока через каждый резистор, мы можем использовать закон Ома, чтобы определить падение напряжения на каждом из них (применяя закон Ома в его правильном контексте):

 

 

Обратите внимание на падение напряжения на каждом резисторе и на то, как падает сумма напряжений (1. 5 + 5 + 2,5) равно напряжению батареи (питания): 9 вольт.

Это третий принцип последовательных цепей:

Напряжение питания в последовательной цепи равно сумме отдельных падений напряжения.

Анализ простых последовательных цепей с помощью «табличного метода» и закона Ома

Однако метод, который мы только что использовали для анализа этой простой последовательной цепи, можно упростить для лучшего понимания. Используя таблицу для перечисления всех напряжений, токов и сопротивлений в цепи, становится очень легко увидеть, какие из этих величин могут быть правильно связаны в любом уравнении закона Ома:

 

 

Правило для такой таблицы заключается в применении закона Ома только к значениям в каждом вертикальном столбце.Например, E R1 только с I R1 и R 1 ; E R2 только с I R2 и R 2 ; и т.д. Вы начинаете свой анализ с заполнения тех элементов таблицы, которые даны вам с самого начала:

 

 

Как видно из расположения данных, мы не можем применить 9 вольт ET (общее напряжение) ни к одному из сопротивлений (R 1 , R 2 или R 3 ) в любом Формула закона Ома, потому что они находятся в разных столбцах. Напряжение батареи 9 вольт равно , а не , приложенных непосредственно к контактам R 1 , R 2 или R 3 . Однако мы можем использовать наши «правила» последовательных цепей, чтобы заполнить пустые места в горизонтальном ряду. В этом случае мы можем использовать правило последовательностей сопротивлений, чтобы определить общее сопротивление из суммы отдельных сопротивлений:

 

 

Теперь, со значением общего сопротивления, вставленным в крайний правый столбец («Общее»), мы можем применить закон Ома I=E/R к общему напряжению и общему сопротивлению, чтобы получить общий ток 500 мкА:

 

 

Затем, зная, что ток распределяется поровну между всеми компонентами последовательной цепи (еще одно «правило» последовательных цепей), мы можем заполнить токи для каждого резистора из только что рассчитанного значения тока:

 

 

Наконец, мы можем использовать закон Ома для определения падения напряжения на каждом резисторе, по одному столбцу за раз:

 

 

Проверка расчетов с помощью компьютерного анализа (SPICE)

Ради интереса мы можем использовать компьютер для автоматического анализа этой самой цепи. Это будет хороший способ проверить наши расчеты, а также ближе познакомиться с компьютерным анализом. Во-первых, мы должны описать схему компьютеру в формате, распознаваемом программным обеспечением.

Программа SPICE, которую мы будем использовать, требует, чтобы все электрически уникальные точки в цепи были пронумерованы, а размещение компонентов понимается по тому, какие из этих пронумерованных точек или «узлов» они разделяют. Для ясности я пронумеровал четыре угла схемы нашего примера от 1 до 4. Однако SPICE требует, чтобы где-то в схеме был нулевой узел, поэтому я перерисую схему, немного изменив схему нумерации:

 

 

Все, что я здесь сделал, это перенумеровал левый нижний угол схемы на 0 вместо 4.Теперь я могу ввести несколько строк текста в компьютерный файл, описывающий схему в терминах, понятных SPICE, вместе с парой дополнительных строк кода, предписывающих программе отображать данные о напряжении и токе для нашего удовольствия. Этот компьютерный файл известен как список соединений в терминологии SPICE:

.

 

последовательная цепь
v1 1 0
р1 1 2 3к
р2 2 3 10к
р3 3 0 5к
.dc v1 9 9 1
.print DC v (1,2) v (2,3) v (3,0)
.конец
 

 

Теперь все, что мне нужно сделать, это запустить программу SPICE для обработки списка соединений и вывода результатов:

 

v1 v(1,2) в(2,3) v(3) я (v1)
9.000E+00 1.500E+00 5.000E+00 2.500E+00 -5.000Е-04

 

Эта распечатка говорит нам, что напряжение батареи составляет 9 вольт, а падение напряжения на резисторах R 1 , R 2 и R 3 составляет 1,5 вольт, 5 вольт и 2,5 вольт соответственно. Падения напряжения на любом компоненте в SPICE обозначаются номерами узлов, между которыми находится компонент, поэтому v(1,2) ссылается на напряжение между узлами 1 и 2 в цепи, которые являются точками, между которыми находится R 1 . .

Порядок номеров узлов важен: когда SPICE выводит число для v(1,2), он учитывает полярность так же, как если бы мы держали вольтметр с красным щупом на узле 1 и черным щупом на узел 2. У нас также есть дисплей, показывающий ток (хотя и с отрицательным значением) на уровне 0,5 миллиампер или 500 микроампер. Итак, наш математический анализ был подтвержден компьютером. Эта цифра отображается как отрицательное число в анализе SPICE из-за особенностей того, как SPICE обрабатывает текущие вычисления.

Таким образом, последовательная цепь определяется как имеющая только один путь, по которому может течь ток. Из этого определения следуют три правила последовательных цепей: все компоненты имеют одинаковый ток; сопротивления добавляются к большему общему сопротивлению; и падения напряжения складываются, чтобы равняться большему общему напряжению. Все эти правила уходят корнями в определение последовательной цепи. Если вы полностью понимаете это определение, то правила — не что иное, как сноски к определению.

 

ОБЗОР:

  • Компоненты в последовательной цепи имеют одинаковый ток: I Всего = I 1 = I 2 = .. . я п
  • Общее сопротивление в последовательной цепи равно сумме отдельных сопротивлений: RTotal = R 1 + R 2 + . . . Р п
  • Общее напряжение в последовательной цепи равно сумме отдельных падений напряжения E Всего = E 1 + E 2 + . . . EN

Попробуйте наш Калькулятор закона Ома в нашем разделе Инструменты .

СВЯЗАННЫЕ РАБОЧИЕ ЛИСТЫ:

Схемы электрических цепей: приложения и примеры

Общие символы, используемые в схемах электрических цепей
Пример электрической схемы с резисторами и батареей. Стрелки представляют ток в разных ветвях цепи.

Закон Ома

Представьте, что у вас есть простая электрическая цепь, в которой одна батарея подключена к одной лампочке.Что произойдет, если вы удвоите напряжение, добавив вторую батарею? Свет, вероятно, будет примерно в два раза ярче, верно? Свет будет выглядеть ярче, потому что ток, проходящий через него, будет увеличиваться при увеличении напряжения.

Существует простая зависимость, известная как закон Ома, между током, напряжением и сопротивлением для многих типов резисторов. Используя закон Ома вместе с принципиальной схемой, вы можете определить ток через любой резистор в цепи.

Закон Ома:

Объединение резисторов в серии

Довольно легко понять, как использовать закон Ома для расчета тока в цепи, когда у вас есть только один резистор, но что произойдет, если у вас есть более одного резистора в цепи? Если у вас есть несколько резисторов, вы должны упростить схему, заменив все резисторы одним единственным резистором, который имеет тот же эффект, что и все остальные резисторы вместе взятые. Сопротивление этого одного резистора известно как эквивалентное сопротивление ( Req ) цепи.

Если между резисторами нет соединений и все они находятся в одной ветви цепи, то говорят, что резисторы находятся в ряду друг с другом. Для резисторов, соединенных последовательно, найдите эквивалентное сопротивление, просто сложив сопротивление каждого резистора.

Например, схема на приведенной ниже схеме содержит три последовательно соединенных резистора.Вы можете найти эквивалентное сопротивление, просто сложив сопротивления каждого из них.

Получив эквивалентное сопротивление, вы можете использовать закон Ома, чтобы найти полный ток в цепи.

Поскольку в такой цепи ток течет только по одному пути, через все три резистора должен протекать одинаковый ток.

Параллельное соединение резисторов

На приведенной ниже схеме три резистора теперь соединены параллельно друг с другом. Ток в проводе, идущем от батареи, должен разделиться на три пути, чтобы пройти через каждый параллельный резистор. В отличие от резисторов, соединенных последовательно, резисторы, соединенные параллельно, НЕ пропускают через себя одинаковый ток. Однако сумма токов, проходящих через каждый резистор, должна равняться общему току, проходящему через батарею.

Чтобы найти общий ток, вы можете еще раз вычислить эквивалентное сопротивление для всей цепи. Когда резисторы соединены параллельно, общее сопротивление цепи будет меньше, чем сопротивление любого одного резистора.

Вы заметили, что нам пришлось перевернуть дробь на последнем шаге, чтобы найти эквивалентное сопротивление? Это необходимо, потому что Req находится в знаменателе, поэтому вам нужно перевернуть его, чтобы поместить в числитель.

Получив эквивалентное сопротивление, вы можете использовать закон Ома, чтобы найти общий ток, как вы это делали, когда резисторы были соединены последовательно.

Чтобы найти ток в каждом резисторе, вы также можете использовать закон Ома! Поскольку эти резисторы включены параллельно, напряжение на каждом резисторе равно напряжению на аккумуляторе (в данном случае 3 В).Вы можете использовать это напряжение и сопротивление каждого резистора, чтобы найти ток через каждый из них.

Давайте проверим и убедимся, что эти токи действительно составляют общий ток.

Да! Всегда полезно проверить, равны ли эти токи, чтобы убедиться, что вы не ошиблись.

Резюме урока

Электрические принципиальные схемы используют символы для представления частей электрической цепи.Они показывают, как подключить цепь и заставить ее работать, а также могут использоваться для определения тока в различных частях цепи. На принципиальной схеме могут быть показаны резисторы, которые соединены либо последовательно , либо параллельно . Когда резисторы соединены последовательно, ток через каждый резистор будет одинаковым. Когда резисторы соединены параллельно, ток через каждый резистор будет разным, но напряжение на каждом будет одинаковым.

Чтобы найти полный ток в цепи, сначала определите эквивалентное сопротивление , а затем используйте закон Ома, чтобы найти полный ток.

Отдел цепей и напряжения серии

Отдел цепей и напряжения серии
 

  Пример 1: Найдите полное эквивалентное сопротивление в следующей цепи

 

  Пример 2: Для следующей схемы:

  1. Найти общее сопротивление
  2. Найти текущий i
  3. Найти напряжение на резисторе 10 Ом

Раствор

  1. Общее сопротивление

  1. Ток можно рассчитать как

  2. Напряжение на резисторе 10 Ом


      Пример 3: Для следующей цепи:

    1. Найти общее значение сопротивления R T
    2. Найти текущий i
    3. Найти напряжение на отдельных резисторах
    4. Проверка закона напряжения Кирхгофа

      Пример 4: Для следующей схемы:

    1. Найти V 1
    2. Найти V 2
    3. Проверка закона напряжения Кирхгофа для замкнутого контура

     


    Отдел напряжения :

    В следующей схеме ток через все последовательно соединенные резисторы равен
    . Эквивалентный резистор R , равный , представляет собой сумму номиналов резисторов.

    Чтобы найти падение напряжения v i на резисторе R i , мы используем ток и номинал резистора

    Правая часть уравнения дает нам уравнение деления напряжения.


    Примеры:

    Пример 5: Для следующей цепи

    1. Найти общее значение сопротивления R T
    2. Найти текущий i
    3. Найти напряжение на резисторах
    4. Проверка закона напряжения Кирхгофа

    Пример 6:  Найти ток для следующей цепи


    Практические задачи :

    (Щелкните изображение, чтобы посмотреть решение)

    Задача 1: Найдите следующую схему.

    Посмотреть решение

    Решение:

    Применение закона напряжения Кирхгофа


      Задача 2: Рассчитайте напряжения для следующей цепи.

      Посмотреть решение

      Решение:

      текущий,

      Применение закона Кирхгофа:


        Задача 3: Найдите приложенное напряжение к следующей цепи, используя предоставленную информацию

        Посмотреть решение

        Проблема 4: Найдите значение резистора R , используя предоставленную информацию

        Посмотреть решение

        Задача 5 : Найти В x

        Посмотреть решение

        Упражнения:

          Глава 2 Примеры схем | Абсолютная книга по электронике

          Ultimate Electronics: практическое проектирование и анализ схем


          121 пример схем и симуляций из Главы 2: Электроника линейного постоянного тока (DC). 1 мин чтения

          На этой странице собраны интерактивные схемы и модели из главы 2 Ultimate Electronics Book: Linear Direct Current (DC) Electronics.

          Упражнение Щелкните любую цепь, чтобы открыть ее в новой вкладке. Большинство включает симуляции.


          Электрические силы, поля, потенциалы и поведение электрического заряда в материалах.


          Идеальные источники напряжения, идеальные источники тока и неидеальные источники с внутренним сопротивлением.


          Заземление в качестве источника опорного напряжения, физическая концепция и расширенное использование в высокоскоростных конструкциях, плоскостях заземления антенн и нежелательных контурах заземления.


          Как решать задачи по закону Ома для резисторов. Микроскопические причины макроскопической линейности закона Ома.


          Источники, нагрузки и поток энергии в цепи. КПД, мгновенная и средняя мощность, законы сохранения.


          Стандартные номиналы резисторов, корпуса, согласование и компромисс между точностью и стоимостью.


          Регулируемое сопротивление путем механического скольжения контакта по резистивной полосе материала.


          Интуитивное построение последовательных и параллельных цепей. Решение резисторных цепей.


          Как написать основные уравнения, описывающие структуру любой цепи из первых принципов.


          Правила определения конкретных токов и напряжений для обеспечения правильного применения уравнений KCL и KVL.


          Процесс из шести шагов для решения любой линейной цепи постоянного тока с примерами.


          Разложите сложную проблему на гораздо более простые подзадачи, по одному источнику за раз.


          Особое поведение при двух крайних значениях сопротивления: нуле и бесконечности.


          Преобразование схемы во внешне эквивалентную модель только с двумя компонентами для упрощения анализа.


          Как и когда оптимизировать для максимальной передачи мощности, максимальной эффективности, максимальной передачи сигнала, согласования импеданса или минимальной нагрузки.


          Как соединить выход одного каскада аналоговой схемы со входом следующего, не теряя слишком много сигнала.


          Источники, пропорциональные другим токам или напряжениям в цепи. Мощный инструмент в анализе и дизайне.


          Удивительные и полезные эффекты возникают, когда выход зависимого источника «обратно» изменяет управляющее значение.


          Функция суперпозиции «отключить все источники, кроме одного» требует тщательной интерпретации, когда цепь содержит зависимые источники.


          Переключатели, кнопки, несколько устойчивых состояний и девять способов имитации цепей с переключателями.


          Чрезвычайно распространенная конфигурация 2+ резистора. Приближения, рекомендации по проектированию. Пример контроллера тока светодиода.


          Роббинс, Майкл Ф. Абсолютная электроника: проектирование и анализ практических схем. CircuitLab, Inc., 2021, Ultimateelectronicsbook.com. Доступ . (Авторское право © 2021 CircuitLab, Inc.)

          Цепь серии

          : определение и примеры | Резисторы серии

          Определение цепи серии

          Последовательную цепь можно определить по соединению между компонентами или по току через них. Например, , в цепи Рис. Ни один из переходов в этой цепи не имеет второй ветви, поэтому все компоненты включены последовательно. Таким образом, последовательная цепь имеет только один путь для тока. Рис. 1 электронов в R 2 .

          Точно так же поток электронов через источник равен потоку электронов через любую другую часть последовательной цепи. Георг Ом был первым, кто признал это ключевое свойство последовательных цепей.

          Ток одинаков во всех частях простой последовательной цепи. И наоборот, два или более электрических компонента соединены последовательно, если через них протекает общий ток.

          Поскольку ток в последовательной цепи является общим для всех компонентов, нет необходимости использовать нижний индекс с I, чтобы различать ток через различные компоненты.

          В схеме на рис. 1 I представляет ток через R 1 , R 2 и R 3 , а также ток через источник и соединительные провода.

          Предположим, что резистор R 1 изготовлен из нихромовой проволоки длиной 2 м, а резистор R 2 содержит 1 м, а R 3 содержит 3 м той же проволоки.

          Электрон, протекающий по цепи, проходит через нихромовую проволоку длиной 6 м. Поскольку сопротивление электрического проводника прямо пропорционально его длине, общее сопротивление этой цепи равно сумме сопротивлений отдельных элементов. Обобщая,

          Общее сопротивление последовательной цепи равно сумме всех отдельных сопротивлений в цепи:

          $\begin{matrix}   {{R}_{T}}={{R}_{1}} +{{R}_{2}}+{{R}_{3}}+\cdots  & {} & \left( 1 \right)  \\\end{matrix}$

          Как только мы узнаем общее сопротивление последовательной цепи, мы можем использовать закон Ома, чтобы найти общий ток:       

          \[I=\frac{E}{{{R}_{T}}}\]

          Этот ток вызывает полное падение напряжения V T , равный приложенному напряжению E.Поскольку ток через все резисторы одинаков, то и падения напряжения на одинаковых сопротивлениях равны.

          Пример 1 последовательной цепи

          Какой ток будет течь в последовательной цепи, состоящей из источника 45 Ом, резистора 20 Ом, 10 Ом и резистора 30 Ом?

          Решение

          \[\begin{align}  & {{R}_{T}}={{R}_{1}}+{{R}_{2}}+{{R}_ {3}}=20+10+30=60\Omega  \\ & I=\frac{E}{{{R}_{T}}}=\frac{45V}{60\Omega }=0,75A \ \\end{align}\]

          Ток, потребляемый от источника, точно такой же для одного резистора на 60 В, подключенного к его клеммам, как и для резисторов на 20, 10 и 30 В, соединенных последовательно . Следовательно, мы можем думать о сопротивлении, соединенном последовательно, как о замене одним эквивалентным сопротивлением R eq .

          На рис. 2 показана эквивалентная схема для последовательной схемы на рис. 1. При анализе более сложных схем мы упрощаем схему, заменяя два или более последовательно соединенных компонента одним эквивалентным компонентом.

          .Хотя положения R 1 и R 3 на принципиальной схеме изменились, соединения между компонентами такие же, как на рис. 1.

          ток через него.

          Поскольку вольтметр подключен между точками B и C, он измеряет разность потенциалов на R 2 . Идеальный вольтметр потребляет незначительный ток и, таким образом, влияет на поведение схемы.

          В схеме на рис. 3 электроны испытывают повышение потенциала внутри источника напряжения, поскольку он использует энергию для перемещения их от положительного вывода к отрицательному.

          По мере того, как электроны обтекают внешнюю цепь, они теряют потенциальную энергию, полученную при движении через источник. Следовательно, электроны в точке D имеют более высокий потенциал, чем электроны в точке C, а электроны в точке B имеют более высокий потенциал, чем электроны в точке A.

          Точно так же электроны в точке B имеют более низкий потенциал, чем в точке B. точка С и так далее.

          Рисунок 3 Полярность падения напряжения в последовательной цепи

          Если отрицательные ионы в источнике напряжения могут свободно двигаться, они движутся в том же направлении, что и электроны. Любые положительные носители заряда текут в противоположном направлении. Носители положительного заряда внутри источника напряжения испытывают повышение потенциала при движении от отрицательного полюса к положительному.

          Источник напряжения является активным элементом цепи, поскольку он вырабатывает электрическую энергию (за счет какой-либо другой формы энергии). Пассивные элементы цепи потребляют электрическую энергию.

          Электроны текут от отрицательной клеммы к положительной клемме пассивного компонента. Таким образом, полярность падения напряжения указывает направление протекания тока в этих компонентах.

          Обратите внимание, что амперметр является пассивным элементом цепи. Электроны входят в амперметр через его отрицательную клемму и выходят через ее положительную клемму.

          В схеме на рис. 3 электроны движутся по цепи против часовой стрелки.Таким образом, мы можем отметить полярность всех падений напряжения двумя и одним знаком. Конец резистора, в который входят электроны, отмечен цифрой 2, а конец резистора, из которого уходят электроны, отмечен цифрой 1.

          В схеме на рис. R 2 и так далее. Итак, точка C положительна по отношению к точке D, а точка B еще более положительна по отношению к точке D. Точно так же точка C отрицательна по отношению к точке A и так далее.

          Для принципиальных схем природа фактических носителей заряда не особенно важна, но нам часто нужно отслеживать направление тока. Направление обычного тока и потока электронов показано на рис. 3.

          Полярность падения напряжения одинакова при любом подходе, но обычный ток «течет» от положительной клеммы пассивного элемента схемы к его отрицательной клемме. .

          В оставшейся части текста будет показано только направление обычного тока, если не важна природа фактических носителей заряда.

          Обозначение с двойным нижним индексом

          На рисунке 3 V 1 представляет падение напряжения на R 1 . Полярность V 1 очевидна, так как клемма A положительна по отношению к клемме B.

          Обозначение с двойным нижним индексом позволяет указать полярность падения напряжения. Например, V AB представляет потенциал в точке A по отношению к точке B. Второй нижний индекс обычно обозначает опорную точку. На рисунке 3 V AB — положительное напряжение, V BA — отрицательное, а V AB = —V BA .

          Обозначение с двойным нижним индексом необходимо для отслеживания полярности напряжения и направления тока в трехфазных цепях . Для большинства цепей постоянного тока достаточно записи с одним нижним индексом.

          Закон Кирхгофа о напряжении

          Умножение обеих частей уравнения 1 на I дает

          $I{{R}_{T}}=I{{R}_{1}}+I{{R}_{ 2}}+I{{R}_{3}}+\cdots $

          Поскольку  

          $\begin{matrix}   E=I{{R}_{T}} & and & V=IR  \\\ end{matrix}$

          Следовательно,

          $E\begin{matrix}   = {{V}_{1}}+{{V}_{2}}+{{V}_{3}}+\ cdots  & {} & \left( 2 \right)  \\\end{matrix}$

          В последовательной цепи сумма всех падений напряжения на отдельных сопротивлениях равна приложенному напряжению.

          Немецкий физик Густав Роберт Кирхгоф (1824–1887) обнаружил, что подобное соотношение применимо к любой полной электрической цепи.

          Закон напряжения Кирхгофа: В любой полной электрической цепи алгебраическая сумма приложенных напряжений равна алгебраической сумме падений напряжения.

          Закон Кирхгофа для напряжения дает нам еще один метод решения Примера 1.

          Пример последовательной цепи 1A

          Какой ток будет течь в последовательной цепи, состоящей из источника 45 В, источника 20 В, источника 10 В , а резистор на 30 В?

          Решение

          $\begin{align}  & E=I{{R}_{1}}+I{{R}_{2}}+I{{R}_{3}} \\ & 45 =20I+10I+30I=60I \\ & I=\frac{45V}{60\Omega }=0.75A \\\end{align}$

          Характеристики последовательных цепей

          Поскольку ток одинаков во всех компонентах последовательной цепи, применение закона Ома к падениям напряжения дает

          \[I=\frac{ {{V}_{1}}}{{{R}_{1}}}=\frac{{{V}_{2}}}{{{R}_{2}}}=\frac{ {{V}_{3}}}{{{R}_{3}}}=\frac{{{V}_{T}}}{{{R}_{T}}}\]

          Переставляя переменные в каждой паре равных членов, мы получаем

          \[\begin{matrix}   \begin{matrix}   \frac{{{V}_{1}}}{{{V}_{2}}} =\frac{{{R}_{1}}}{{{R}_{2}}} & ,  \\\end{matrix} & \frac{{{V}_{1}}}{{ {V}_{2}}}=\frac{{{R}_{1}}}{{{R}_{2}}} & \begin{matrix}   , & and\text{ }so\text { }on  \\\end{matrix}  \\\end{matrix}\]

          В последовательной цепи отношение падений напряжения на двух сопротивлениях равно отношению сопротивлений.

          Мы можем использовать эти отношения, чтобы сэкономить шаг при расчете определенного параметра последовательной цепи.

          Пример расчета падения напряжения 2

          Резистор на 20 кВ и резистор на 15 кВ подключены последовательно к источнику 140 В. Найдите падение напряжения на резисторе 15 кВ.

          Решение

          Часто рисование и маркировка принципиальной схемы, такой как Рисунок 4 , может помочь нам увидеть отношения между параметрами схемы.

          Рисунок 4           Принципиальная схема для примера 2

          Используйте коэффициенты, чтобы найти падение напряжения.

          Так как,

          \[\frac{{{V}_{2}}}{E}=\frac{{{R}_{2}}}{{{R}_{T}}}\ ]

          Итак,

          \[{{V}_{2}}=E\frac{{{R}_{2}}}{{{R}_{T}}}=140V\times \frac {15k\Omega }{35k\Omega }=60V\]

          Поскольку один и тот же ток протекает через все компоненты последовательной цепи, изменение любого одного компонента влияет на ток через все компоненты. Таким образом, компоненты управления, такие как выключатели, предохранители и реостаты, подключаются последовательно с нагрузкой, как показано на рис. 5 .

          .

        1. Общее сопротивление равно сумме всех сопротивлений по отдельности:
        2. ${{R}_{T}}={{R}_{1}}+{{R}_{2}}+{{ R}_{3}}+\cdots $

          • Приложенное напряжение равно сумме всех отдельных падений напряжения:

          $E={{V}_{1}}+{{V}_ {2}}+{{V}_{3}}+\cdots $

          • Коэффициенты падения напряжения равны коэффициентам сопротивлений.
          • Изменение любого компонента последовательной цепи влияет на ток через все компоненты.

           Элементы серии

          Большинство аккумуляторов имеют номинальное напряжение от 1,1 В до 1,5 В. Номинальный ток аккумулятора зависит от его размера и типа.

          Идентичные элементы, соединенные последовательно, обеспечивают более высокое напряжение, чем один элемент. Номинальный ток будет таким же, как и для каждой отдельной ячейки, поскольку ток в последовательной цепи одинаков во всех частях цепи.

           Если ячейки с разной емкостью соединены последовательно, сначала будут израсходованы ячейки с меньшей емкостью. Большинство аккумуляторов для портативных устройств имеют элементы, соединенные последовательно, как показано на рис. 6 .

          Рисунок 6          Эквивалентная схема последовательно соединенной батареи каждой ячейки, тогда общая ЭДС батареи равна         

          $\begin{matrix}   {{E}_{bat}}=S{{E}_{bat}} & {} & \left( 3 \right)  \\\ end{matrix}$

          и полное внутреннее сопротивление батареи          

          $\begin{matrix}   {{R}_{bat}}=S{{R}_{cell}} & {} & \left( 4 \ right)  \\\end{matrix}$

          Ток в последовательной цепи Пример 3

          Сколько тока протекает через внешнее сопротивление 4.0 Ом, подключенный к батарее, состоящей из десяти последовательно соединенных элементов, каждый из которых имеет ЭДС 1,5 В и внутреннее сопротивление 0,20 В? Найдите напряжение на клеммах аккумулятора.

          Решение

          \[\begin{align}  & {{E}_{bat}}=S{{E}_{bat}}=10\times 1,5 В=15 В \\ & {{R} _{bat}}=S{{R}_{cell}}=10\times 0.20\Omega =2\Omega  \\\end{align}\]

          Общее сопротивление в цепи,

          ${{ R}_{T}}={{R}_{bat}}+{{R}_{L}}=2+4=6\Omega $

          Применение закона Ома ко всей цепи дает

          $\ begin{align}  & I=\frac{{{E}_{bat}}}{{{R}_{T}}}=\frac{15V}{6\Omega }=2.5A \\ & {{V}_{T}}=I{{R}_{L}}=2,5A\times 4\Omega =10V \\\end{align}$

          На рис. 7 показаны эквивалентная схема для аккумулятора.

          Рисунок 7           Эквивалентная схема для примера 3

          Изучение электрических цепей на четырех примерах

          Примеры простых электрических цепей весьма полезны для изучения сложных электрических цепей. Лучше понять электрические цепи из приведенных ниже четырех примеров электрических цепей.

          Электрическая цепь представляет собой замкнутое соединение батарей, резисторов, проводов, переключателей и т. д. Электрическая цепь состоит из контуров напряжения и узлов тока. Многие люди путаются со сложными электрическими цепями, однако, если они разовьют четкое представление о приведенных ниже четырех примерах электрических цепей, им будет легче читать сложные электрические схемы.

          Вы можете попробовать электрическое программное обеспечение для рисования, которое имеет встроенные стандартные электрические символы для быстрого и правильного рисования электрических цепей.

          Примеры электрических цепей – счетчик энергии или счетчик двигателя

          Моторный счетчик также называют счетчиком энергии. Энергия — это общая мощность, потребляемая за определенный период времени, и ее можно измерить с помощью электросчетчика или счетчика электроэнергии. Кроме того, счетчики электроэнергии используются на всех линиях электроснабжения каждого дома для измерения мощности, потребляемой как в цепях постоянного, так и переменного тока. Счетчик электроэнергии – это прибор, который измеряет количество электроэнергии, потребляемой потребителем. Счетчик откалиброван в киловатт-часах. Один киловатт-час — это количество электроэнергии, необходимое для обеспечения 1000 Вт мощности в течение одного часа.

          Есть алюминиевый диск, который непрерывно вращается при потреблении энергии. Счетчики энергии имеют катушку давления и катушку тока. Когда напряжение подается на катушку давления, ток протекает через катушку и создает поток, который создает крутящий момент на диске. Результирующий крутящий момент действует на диск и приводит к вращению на алюминиевый диск, который пропорционален используемой энергии и регистрируется в счетчике энергии.

          Примеры электрических цепей — схема мультиметра

          Мультиметр — это черный ящик электронных схем, который позволяет устранять неполадки практически любого типа электропроводки или устройства. Мультиметр (также известный как вольтомметр или ВОМ) со всеми его цифрами, циферблатами и переключателями может быть довольно пугающим.

          ВОМ может быстро себя окупить, просто проанализировав, годны ли еще десятки батареек, пожираемых игрушками и электронными устройствами. ВОМ состоит из гальванометра, последовательно соединенного с сопротивлением. Ток, протекающий в цепи, то есть напряжение в цепи, можно измерить, подключив клеммы мультиметра к цепи. Мультиметр — это удобный инструмент, который вы используете для измерения электричества, точно так же, как линейку для измерения расстояния, секундомер для измерения времени или весы для измерения веса.

          Примеры электрических цепей — схема трансформатора тока

          Трансформатор тока представляет собой тип «приборного трансформатора», предназначенный для создания переменного тока во вторичной обмотке, который пропорционален току, измеряемому в его первичной обмотке.Трансформаторы тока могут уменьшать или «понижать» уровни тока с тысяч ампер до стандартного выхода с известным коэффициентом до 5 ампер или 1 ампер для нормальной работы.

          Вторичная обмотка трансформатора подключена к амперметру. Трансформатор понизит ток до значения, которое может быть измерено подключенным амперметром. Трансформаторы тока могут выполнять управление цепями, измерять ток для измерения и управления мощностью, а также выполнять функции по обеспечению безопасности и ограничению тока.Они также могут вызывать события в цепи, когда контролируемый ток достигает заданного уровня.

          Примеры электрических цепей — схема однофазного двигателя

          Однофазное распределение используется, когда нагрузками являются в основном освещение и отопление, с несколькими большими электродвигателями. Однофазные двигатели предназначены для работы от однофазного источника питания и могут выполнять широкий спектр полезных функций, однако им требуются дополнительные цепи для запуска, и такие двигатели редко имеют номинальную мощность выше 10 или 20 кВт.Однофазный двигатель имеет две клеммы в клеммной коробке внешнего корпуса. Одна из этих клемм связана с токоведущим проводом силовой цепи, а другая — с нейтральным проводом.

          Когда электропитание подается на двигатель, двигатель будет работать до тех пор, пока не будет отключено электропитание. На этом однофазном двигателе работает даже вентилятор. Иногда вентилятор не запускается, когда мы его включаем. Причина в том, что конденсатор, используемый для запуска однофазного двигателя, не работает.Лучший способ решить эту проблему — заменить конденсатор.

          Три основные электрические схемы

          Примеры инженерных схем

          Введение в простые электрические схемы

          Увеличение: введение в схемы

          Эта статья является частью ветки Circuits — экспериментального формата, в котором собраны приглашенные короткие статьи и критические комментарии, посвященные внутренней работе нейронных сетей.

          Схемы Тема Обзор раннего видения в InceptionV1

          Содержимое

          Многие важные переходные точки в истории науки были моментами, когда наука «приближалась». В эти моменты мы разрабатываем визуализацию или инструмент, который позволяет нам видеть мир на новом уровне детализации, и развивается новая область науки для изучения мира через эту линзу.

          Например, микроскопы позволяют нам видеть клетки, что ведет к клеточной биологии. Наука приблизилась. Несколько методов, включая рентгеновскую кристаллографию, позволили нам увидеть ДНК, что привело к молекулярной революции. Наука увеличилась. Атомная теория. Субатомные частицы. Неврология. Наука приблизилась.

          Эти переходы были не просто изменением точности: они были качественными изменениями в том, чем являются объекты научного исследования. Например, клеточная биология — это не просто более тщательная зоология.Это новый вид исследования, который резко меняет то, что мы можем понять.

          Известные примеры этого явления происходили в очень больших масштабах. но это также может быть и более скромным сдвигом, когда небольшое исследовательское сообщество осознает, что теперь они могут изучать свою тему более детально.

          «Микрография» Гука открыла богатый микроскопический мир. через микроскоп, включая первичное обнаружение клеток.
          изображений из Национальной библиотеки Уэльса.

          Так же, как ранний микроскоп намекал на новый мир клеток и микроорганизмов, визуализация искусственных нейронных сетей выявила дразнящие намеки и проблески богатого внутреннего мира в наших моделях (например, ). Это заставило нас задаться вопросом: возможно ли, что глубокое обучение находится в аналогичной, хотя и более скромной, точке перехода?

          Большинство работ по интерпретируемости направлено на то, чтобы дать простое объяснение поведения всей нейронной сети.Но что, если вместо этого мы воспользуемся подходом, вдохновленным нейронаукой или клеточной биологией  — подходом увеличения масштаба? Что, если бы мы относились к отдельным нейронам, даже к отдельным весам, как к предметам серьезного исследования? Что, если бы мы были готовы потратить тысячи часов на отслеживание каждого нейрона и его соединений? Какая картина нейронных сетей появится?

          В отличие от типичного изображения нейронных сетей в виде черного ящика, мы были удивлены, насколько доступна сеть в таком масштабе. Мало того, что нейроны кажутся понятными (даже те, которые изначально казались непостижимыми), но и «схемы» связей между ними кажутся осмысленными алгоритмами, соответствующими фактам о мире. Вы можете наблюдать, как детектор окружности собирается из кривых. Вы можете увидеть, как голова собаки собрана из глаз, морды, меха и языка. Вы можете наблюдать, как автомобиль состоит из колес и окон. Вы даже можете найти схемы, реализующие простую логику: случаи, когда сеть реализует AND, OR или XOR по визуальным функциям высокого уровня.

          За последние несколько лет мы видели множество невероятных визуализаций и анализов, намекающих на богатый мир внутренних особенностей современных нейронные сети. Выше мы видим изображение DeepDream, которое вызвало большой ажиотаж в этом пространстве.

          Это вступительное эссе предлагает общий обзор нашего мышления и некоторых принципов работы, которые мы нашли полезными в этом направлении исследований. В будущих статьях мы и наши сотрудники опубликуем подробные исследования этого внутреннего мира.

          Но правда в том, что мы лишь коснулись поверхности понимания одной модели видения. Если эти вопросы находят отклик у вас, приглашаем вас присоединиться к нам и нашим сотрудникам в проекте Circuits, открытом научном сотрудничестве, размещенном в Distill slack.


          Три спекулятивных требования

          Одним из первых изложений чего-то близкого к современной клеточной теории были три заявления Теодора Шванна  — «которого вы, возможно, знаете о шванновских клетках» — в 1839 году:

          Заявления Шванна о клетках
          Клетка является единицей структуры, физиологии и организации живых существ.Клетка сохраняет двойное существование как отдельная сущность и строительный блок в конструкции организмов. Клетки образуются путем образования свободных клеток, подобно образованию кристаллов. Этот перевод/обобщение утверждений Шванна можно найти во многих текстах по биологии; нам не удалось определить первоисточник перевода. Изображение книги Шванна взято из Немецкого текстового архива.

          Первые два из этих утверждений, вероятно, знакомы и сохраняются в современной клеточной теории. Третий, скорее всего, не знаком, так как он оказался ужасно неправильным.

          Мы считаем, что очень важно сформулировать сильную версию того, что можно считать правдой, даже если она может быть ложной, как третье утверждение Шванна. В этом духе мы предлагаем три утверждения о нейронных сетях. Они задуманы как эмпирические утверждения о природе нейронных сетей, а также как нормативные утверждения о том, насколько полезно их понимать.

          Три спекулятивных утверждения о нейронных сетях
          Функции являются фундаментальной единицей нейронных сетей.
          Они соответствуют направлениям. Под «направлением» мы подразумеваем линейную комбинацию нейронов в слое. Вы можете думать об этом как о векторе направления в векторном пространстве активаций нейронов в данном слое. Часто мы находим наиболее полезным говорить об отдельных нейронах, но мы увидим, что в некоторых случаях другие комбинации являются более полезным способом анализа сетей, особенно когда нейроны «полисемантичны».” (Подробное определение см. в глоссарии.) Эти особенности можно тщательно изучить и понять. Элементы соединяются весами, образуя цепи. «Схема» — это вычислительный подграф нейронной сети. Он состоит из набора функций и взвешенных ребер, которые проходят между ними в исходном сеть. Часто мы изучаем довольно маленькие схемы — «скажем, с менее чем дюжиной функций», — но они также могут быть и намного больше. (Подробное определение см. в глоссарии.)
          Эти схемы также могут быть тщательно изучены и поняты. Аналогичные функции и схемы формируются в моделях и задачах. Слева: атлас активации, визуализирующий часть функций пространственной нейронной сети, которые могут быть представлены.

          Эти заявления являются намеренно спекулятивными.Они также не совсем новы: утверждения вроде (1) и (3) предлагались ранее, и мы обсудим их более подробно ниже.

          Но мы считаем, что эти утверждения важно учитывать, потому что, если они верны, они могли бы стать основой новой «увеличенной» области исследований. интерпретируемость. В следующих разделах мы обсудим каждый из них в отдельности и представим некоторые доказательства, которые заставили нас поверить, что они могут быть правдой.


          Пункт 1: Особенности

          Функции являются фундаментальной единицей нейронных сетей. Они соответствуют направлениям. Их можно тщательно изучить и понять.

          Мы считаем, что нейронные сети состоят из значимых, понятных функций. Ранние слои содержат такие функции, как детекторы краев или кривых, а более поздние слои содержат такие функции, как детекторы гибких ушей или детекторы колес. Сообщество разделилось относительно того, правда ли это. В то время как многие исследователи рассматривают существование значимых нейронов как почти тривиальный факт — есть даже небольшая литература по их изучению — многие другие настроены глубоко скептически и считают, что прошлые случаи нейронов, которые, казалось, отслеживали значимые скрытые переменные, были ошибочными.Разногласия сообщества по поводу значимых признаков трудно определить, и они лишь частично выражены в литературе. Основополагающие описания глубокого обучения часто описывают нейронные сети как обнаружение иерархии значимых функций, и был написан ряд статей, демонстрирующих кажущиеся значимыми функции в различных предметных областях. В то же время появилась более скептическая параллельная литература, предполагающая, что нейронные сети в первую очередь или только сосредотачиваются на текстуре, локальной структуре или незаметных паттернах, что значимые признаки, когда они существуют, менее важны, чем неинтерпретируемые, и что кажущиеся интерпретируемыми нейроны могут быть неправильно понятым.Хотя многие из этих статей выражают очень тонкую точку зрения, не всегда их понимают именно так. Был написан ряд статей в средствах массовой информации, охватывающих сильные версии этих взглядов, и мы случайно обнаружили, что вера в то, что нейронные сети не понимают ничего, кроме текстуры, довольно распространена. Наконец, у людей часто возникают проблемы с формулировкой своих точных взглядов, потому что у них нет четкого языка для артикуляции нюансов между «детектором текстуры, сильно коррелирующим с объектом» и «детектором объекта».” Тем не менее, тысячи часов изучения отдельных нейронов привели нас к мысли, что типичным случаем является то, что нейроны (или, в некоторых случаях, другие направления в векторном пространстве активации нейронов) понятны.

          Конечно, быть понятным не означает быть простым или легко понятным. Многие нейроны изначально загадочны и не следуют нашим априорным предположениям о том, какие функции могут существовать! Однако наш опыт показывает, что обычно эти нейроны имеют простое объяснение и что на самом деле они делают что-то вполне естественное.Например, сначала нас смутили детекторы высоких и низких частот (обсуждаемые ниже), но в ретроспективе они оказались простыми и элегантными.

          В этом вступительном эссе будет представлен только обзор пары примеров, которые мы считаем иллюстративными, но за ним последуют как глубокие погружения, тщательно характеризующие отдельные функции, так и общие обзоры, в которых будут описаны все функции, которые, как мы понимаем, существуют. Мы пока возьмем наши примеры из InceptionV1, но полагаем, что эти утверждения в целом справедливы, и обсудим другие модели в последнем разделе, посвященном универсальности.

          Независимо от того, правы мы или ошибаемся в отношении значимых признаков, мы считаем, что это важный вопрос для решения сообщества. Мы надеемся, что введение нескольких конкретных тщательно изученных примеров, казалось бы, понятных функций поможет продвинуть диалог.

          Пример 1: детекторы кривой

          Нейроны обнаружения кривых можно найти в каждой нетривиальной модели зрения, которую мы тщательно изучили.Эти единицы интересны тем, что они пересекают границу между функциями, существование которых, по общему мнению сообщества, (например, детекторы границ) и функциями, в отношении которых существует значительный скептицизм (например, функциями высокого уровня, такими как уши, автомобили и лица).

          Мы сосредоточимся на детекторах кривых в слое mixed3b , раннем слое InceptionV1. Эти блоки реагировали на изогнутые линии и границы радиусом около 60 пикселей. Их также немного дополнительно возбуждают перпендикулярные линии вдоль границы кривой, и они предпочитают, чтобы две стороны кривой были разного цвета.

          Детекторы кривых находятся в семействах единиц, при этом каждый член семейства обнаруживает один и тот же элемент кривой в разной ориентации. Вместе они совместно охватывают весь спектр ориентаций.

          Важно отличать детекторы кривых от других устройств, которые могут показаться внешне похожими. В частности, существует множество устройств, которые используют кривые для обнаружения криволинейного подкомпонента (например, круги, спирали, S-образные кривые, форма песочных часов, трехмерная кривизна и т. д.).Есть также устройства, которые реагируют на формы, связанные с кривыми, такие как линии или острые углы. Мы не считаем эти устройства детекторами кривых.

          Но действительно ли эти «детекторы кривых» обнаруживают кривые? Подробному изучению этого вопроса мы посвятим целую статью позже. но резюме таково, что мы думаем, что доказательства довольно веские.

          Мы предлагаем семь аргументов, изложенных ниже. Стоит отметить, что ни один из этих аргументов не относится к кривой: это полезный общий инструментарий для проверки нашего понимания и других функций.Некоторые из этих аргументов — «примеры наборов данных, синтетические примеры и кривые настройки» — являются классическими методами визуальной нейронауки (например, ). Последние три аргумента основаны на схемах, которые мы обсудим в следующем разделе.

          Аргумент 1: Визуализация функции

          Оптимизация ввода для обеспечения надежного срабатывания детекторов кривых дает кривые. Это устанавливает причинно-следственную связь, поскольку все в результирующем изображении было добавлено, чтобы заставить нейрон активироваться сильнее.
          Подробнее о визуализации объектов можно узнать здесь.

          Аргумент 2: Примеры набора данных

          Изображения ImageNet, вызывающие сильное возбуждение этих нейронов, надежно искривлены в ожидаемой ориентации. Изображения, которые вызывают их умеренное срабатывание, обычно представляют собой менее совершенные кривые или кривые вне ориентации.

          Аргумент 3: синтетические примеры
          Детекторы кривых

          должным образом реагируют на ряд изображений синтетических кривых, созданных с различной ориентацией, кривизной и фоном.Они срабатывают только рядом с ожидаемой ориентацией и не срабатывают сильно по прямым линиям или острым углам.

          Аргумент 4: Совместная настройка

          Если мы возьмем примеры наборов данных, которые вызывают срабатывание нейрона и повернут их, они постепенно перестанут генерировать сигналы, и детекторы кривых в следующей ориентации начнут генерировать срабатывание. Это показывает, что они обнаруживают повернутые версии одного и того же объекта. Вместе они образуют полные 360 градусов потенциальных ориентаций.

          Аргумент 5: реализация функции (аргумент на основе схемы)

          Глядя на схему, построенную детекторами кривых, мы можем прочитать алгоритм обнаружения кривых на гирях. Мы также не видим ничего, что указывало бы на вторую альтернативную причину срабатывания, хотя есть много меньших весов, роль которых мы не понимаем.

          Аргумент 6: Использование функции (аргумент на основе схемы)

          Нижестоящие клиенты детекторов кривых — это функции, которые естественным образом включают кривые (например,г. круги, трехмерная кривизна, спирали…). Детекторы кривых используются этими клиентами ожидаемым образом.

          Аргумент 7: Рукописные схемы (аргумент на основе схемы)

          Основываясь на нашем понимании того, как реализованы детекторы кривых, мы можем сделать повторную реализацию чистой комнаты, ручная настройка всех весов для повторного определения кривой. Эти веса представляют собой понятный алгоритм обнаружения кривой и значительно имитируют исходные детекторы кривой.

          Приведенные выше аргументы не полностью исключают возможность какого-то редкого вторичного случая, когда детекторы кривых срабатывают для другого типа стимула. Но они, кажется, устанавливают что (1) кривые вызывают срабатывание этих нейронов, (2) каждая единица реагирует на кривые с разной угловой ориентацией, и (3) если есть другие стимулы, которые вызывают их срабатывание, эти стимулы редки или вызывают более слабые активации. В более общем плане эти аргументы, похоже, соответствуют стандартам доказывания, которые, как мы понимаем, используются в нейронауке, которая имеет сложившиеся традиции и институциональные знания о том, как оценивать такие заявления.

          Все эти аргументы будут подробно рассмотрены в последующих статьях о детекторах кривых и схемах обнаружения кривых.

          Пример 2: Детекторы высокой-низкой частоты

          Детекторы кривых — это интуитивный тип функций  — такие функции, как можно догадаться, существуют в нейронных сетях априори. Учитывая, что они присутствуют, неудивительно, что мы можем их понять. Но как насчет функций, которые не являются интуитивно понятными? Можем ли мы их понять? Мы так считаем.

          Детекторы высоких и низких частот являются примером менее интуитивно понятного типа функций. Мы находим их в раннем видении, и как только вы понимаете, что они делают, они становятся довольно простыми. Они ищут низкочастотные паттерны на одной стороне своего рецептивного поля и высокочастотные паттерны на другой стороне. Как и детекторы кривых, детекторы высоких и низких частот встречаются в семействах признаков, которые ищут одно и то же в разных ориентациях.

          Почему детекторы высоких и низких частот полезны для сети? Кажется, это одна из нескольких эвристик для определения границ объектов, особенно когда фон не в фокусе. В следующей статье мы рассмотрим, как они используются при создании сложных детекторов границ.

          (Одна надежда некоторых исследователей на интерпретируемость состоит в том, что понимание моделей сможет научить нас лучшим абстракциям для осмысления мира. Детекторы высоких и низких частот, возможно, являются примером небольшого успеха в этом: естественная, полезная визуальная особенность. чего мы не ожидали заранее.)

          Все семь методов, которые мы использовали для опроса кривых нейронов, можно также использовать для изучения высоко-низкочастотных нейронов с некоторой настройкой — например, визуализируя синтетические высоко-низкочастотные примеры.Опять же, мы считаем, что эти аргументы в совокупности обеспечивают сильную поддержку идеи о том, что это действительно семейство высокочастотных контрастных детекторов.

          Пример 3: детектор головы собаки с инвариантным положением

          И детекторы кривых, и детекторы высоких и низких частот являются низкоуровневыми визуальными функциями, обнаруженными в ранних слоях InceptionV1. А как насчет более сложных функций высокого уровня?

          Давайте рассмотрим этот блок, который, как мы считаем, является позиционно-инвариантным детектором собак.Как и в случае с любым нейроном, мы можем создать визуализацию признаков и собрать примеры наборов данных. Если вы посмотрите на визуализацию объектов, геометрия… невозможна, но очень информативна в отношении того, что она ищет, и примеры наборов данных подтверждают это.

          Стоит отметить, что сочетание визуализации функций и примеров наборов данных само по себе уже является довольно сильным аргументом. Визуализация признаков устанавливает причинно-следственную связь, а примеры наборов данных проверяют использование нейрона на практике и наличие второго типа стимулов, на которые он реагирует.Но мы можем снова применить все наши другие подходы к анализу нейрона. Например, мы можем использовать 3D-модель для создания синтетических изображений головы собаки под разными углами.

          В то же время некоторые подходы, на которые мы обращали внимание до сих пор, требовали больших усилий для этих более высокоуровневых, более абстрактных функций. К счастью, наши аргументы, основанные на схемах, — «которые мы обсудим подробнее» — по-прежнему будут простыми в применении и дадут нам действительно мощные инструменты для понимания и тестирования высокоуровневых функций, не требующих больших усилий.

          Полисемантические нейроны

          Это эссе может дать вам слишком радужную картину: возможно, каждый нейрон дает хорошее, понятное человеку понятие, если его серьезно исследовать?

          Увы, это не так. Нейронные сети часто содержат «полисемантичные нейроны», которые реагируют на несколько несвязанных входных данных. Например, InceptionV1 содержит один нейрон, реагирующий на кошачьи мордочки, передки машин и кошачьи лапы.

          4e:55 — это полисемантичный нейрон, реагирующий на кошачьи морды, передки машин и кошачьи лапы.Это обсуждалось более подробно в Feature Visualization.

          Чтобы было ясно, этот нейрон не реагирует на некоторую общность машин и кошачьих морд. Визуализация признаков показывает нам, что он ищет кошачьи глаза и усы, пушистые лапы и блестящие передки автомобилей, а не какой-то тонкий общий признак.

          Мы все еще можем изучать такие особенности, характеризуя каждый отдельный случай, когда они срабатывают, и до некоторой степени рассуждать об их схемах. Несмотря на это, полисемантичные нейроны представляют собой серьезную проблему для схемы, существенно ограничивающую нашу способность рассуждать о нейронных сетях.Почему полисемантичные нейроны так сложны? Если один нейрон с пятью разными значениями соединяется с другим нейроном с пятью разными значениями, получается 25 связей, которые нельзя рассматривать по отдельности. Мы надеемся, что возможно разрешить многозначные нейроны, возможно, путем «разворачивания» сети, чтобы превратить полисемантичные нейроны в чистые функции, или обучения сетей, чтобы они вообще не проявляли полисемантичности. По сути, это проблема, изучаемая в литературе по распутыванию репрезентаций, хотя в настоящее время эта литература имеет тенденцию сосредотачиваться на известных особенностях скрытых пространств порождающих моделей.

          Возникает естественный вопрос: почему формируются полисемантичные нейроны? В следующем разделе мы увидим, что они, по-видимому, являются результатом явления, которое мы называем «суперпозицией», когда цепь распределяет признак по множеству нейронов, предположительно, чтобы упаковать больше признаков в ограниченное количество доступных нейронов.


          Пункт 2: Цепи

          Элементы соединяются весами, образуя цепи.
          Эти схемы также можно тщательно изучить и понять.

          Все нейроны в нашей сети формируются из линейных комбинаций нейронов предыдущего слоя, за которыми следует ReLU. Если мы можем понять функции в обоих слоях, не должны ли мы также понять связи между ними? Чтобы изучить это, мы считаем полезным изучить схемы: подграфы сети, состоящие из набора тесно связанных признаков и весов между ними.

          Удивительно, насколько удобными и значимыми кажутся эти цепи как объекты изучения. Когда мы начали искать, мы ожидали найти что-то довольно грязное. Вместо этого мы нашли красивые богатые структуры, часто с симметрией. Как только вы поймете, какие функции они соединяют вместе, веса отдельных чисел с плавающей запятой в вашей нейронной сети станут значимыми! Вы буквально можете прочитать осмысленные алгоритмы по весам.

          Рассмотрим несколько примеров.

          Цепь 1: детекторы кривой

          В предыдущем разделе мы обсуждали детекторы кривых, семейство устройств, обнаруживающих кривые в различных угловых ориентациях.В этом разделе мы рассмотрим, как детекторы кривых реализуются из более ранних функций и подключаются к остальной части модели.

          Детекторы кривых в основном реализованы из более ранних, менее сложных детекторов кривых и детекторов линий. Эти детекторы кривых используются на следующем уровне для создания детекторов трехмерной геометрии и сложных форм. Конечно, есть длинный хвост более мелких связей с другими функциями, но это, кажется, основная история.

          В этом введении мы сосредоточимся на взаимодействии детекторов ранней кривой и наших детекторов полной кривой.

          Давайте сосредоточимся еще больше и посмотрим, как одиночный детектор ранней кривой соединяется с более сложным детектором кривой в той же ориентации.

          В данном случае в нашей модели реализована свертка 5×5, поэтому веса, связывающие эти два нейрона, представляют собой набор весов 5×5, которые могут быть положительными или отрицательными. Многие из нейронов, обсуждаемых в этой статье, включая детекторы кривых, живут в ветвях InceptionV1, которые структурированы как свертка 1×1, которая уменьшает количество каналов до небольшого узкого места, за которым следует свертка 3×3 или 5×5.Веса, которые мы представляем в этом эссе, являются умноженной версией весов конв. 1×1 и выше. Мы думаем, что часто полезно рассматривать это как единую весовую матрицу низкого ранга, но технически это игнорирует одну нелинейность ReLU. Положительный вес означает, что если более ранний нейрон срабатывает в этой позиции, он возбуждает поздний нейрон. И наоборот, отрицательный вес будет означать, что он подавляет его.

          Мы видим сильные положительные веса, расположенные в форме кривого детектора.Мы можем думать об этом как о том, что в каждой точке кривой наш детектор кривой ищет «касательную кривую», используя более ранний детектор кривой.

          Необработанные веса между детектором ранней кривой и детектором поздней кривой в одной и той же ориентации представляют собой кривую положительных весов, окруженную небольшими отрицательными или нулевыми весами. Это можно интерпретировать как поиск «касательных кривых». в каждой точке кривой.

          Это верно для каждой пары детекторов ранней и полной кривой в одинаковой ориентации.В каждой точке кривой он обнаруживает кривую с аналогичной ориентацией. Точно так же кривые в противоположной ориентации являются тормозящими в каждой точке кривой.

          Детекторы кривой возбуждаются более ранними детекторами
          в аналогичных ориентациях

          … и заблокирован более ранними детекторами в
          противоположных ориентациях .

          Здесь стоит задуматься о том, что мы смотрим на веса нейронной сети, и они значимы.

          И структура становится богаче, чем ближе вы смотрите. Например, если вы посмотрите на детектор ранней кривой и детектор полной кривой в похожей, но не совсем одинаковой ориентации, вы часто можете увидеть, что они имеют более сильные положительные веса на той стороне кривой, с которой они больше совмещены.

          Также стоит обратить внимание на то, как грузы вращаются в зависимости от ориентации детектора кривых. Симметрия задачи отражается как симметрия весов. Мы называем схемы, демонстрирующие это явление, «эквивариантными схемами» и подробно обсудим их в следующей статье.

          Цепь 2: Обнаружение ориентированной головы собаки

          Цепь детектора кривой является низкоуровневой схемой и охватывает только два уровня. В этом разделе мы обсудим схему более высокого уровня, охватывающую четыре уровня. Эта схема также научит нас тому, как нейронные сети реализуют сложные инвариантности.

          Помните, что огромная часть того, что должна делать модель ImageNet, — это различать разных животных. В частности, он должен различать сотни разных видов собак! И поэтому, что неудивительно, у него развивается большое количество нейронов, предназначенных для распознавания особенностей, связанных с собакой, включая головы.

          В этой системе «распознавания собак» одна цепь кажется нам особенно интересной: совокупность нейронов, которые управляют головами собак, обращенными влево, и головами собак, обращенными вправо. На трех уровнях сеть поддерживает два зеркально отраженных пути, обнаруживая аналогичные единицы, обращенные влево и вправо. На каждом этапе эти пути пытаются подавлять друг друга, обостряя контраст. Наконец, он создает инвариантные нейроны, которые реагируют на оба пути.

          Мы называем этот паттерн «объединением случаев».Сеть отдельно обнаруживает два случая (левый и правый), а затем объединяет их для создания инвариантных «многогранных» единиц. Обратите внимание, что, поскольку два пути блокируют друг друга, эта схема на самом деле имеет некоторые свойства, подобные XOR.

          Эта схема поразительна, потому что сеть могла легко сделать что-то гораздо менее сложное. Он мог бы легко создавать инвариантные нейроны, не особо заботясь о том, где находятся глаза, мех и морда, а просто ища их беспорядочную смесь.Но вместо этого сеть научилась разделять левые и правые случаи и обрабатывать их отдельно. Мы несколько удивлены, что градиентный спуск научился делать это! Чтобы было ясно, существуют также более прямые пути, по которым различные составляющие головы влияют на эти более поздние детекторы головы, минуя левый и правый пути

          .

          Но это краткое изложение схемы — это лишь малая часть того, что происходит. Каждая связь между нейронами — это свертка, поэтому мы также можем посмотреть, где входной нейрон возбуждает следующий.И модели, как правило, делают то, на что вы, возможно, оптимистично надеялись. Например, рассмотрим эти единицы «голова с шеей». Голова определяется только с правильной стороны:

          Шаг соединения также интересно рассмотреть в деталях. Сеть не реагирует без разбора на головы двух ориентаций: области возбуждения простираются от центра в разные стороны в зависимости от ориентации, позволяя мордам сходиться в одной точке.

          Об этой схеме можно сказать еще очень много, поэтому мы планируем вернуться к ней в следующей статье и подробно проанализировать ее, включая проверку нашей теории схемы путем редактирования весов.

          Цепь 3: Автомобили в суперпозиции

          В mixed4c , средне-позднем слое InceptionV1, есть нейрон, обнаруживающий автомобиль. Используя функции из предыдущих слоев, он ищет колеса в нижней части своего окна свертки и окна в верхней части.

          Но затем модель делает нечто удивительное. Вместо того, чтобы создать еще один чистый детектор автомобилей на следующем уровне, он распространяет свою функцию автомобиля на ряд нейронов, которые, кажется, в основном делают что-то другое, в частности, детекторы собак.

          Эта схема предполагает, что полисемантичные нейроны в некотором смысле преднамеренны. То есть можно было бы представить себе мир, где процесс обнаружения машин и собак по каким-то причинам был глубоко переплетен в модели, и в результате многозначных нейронов было сложно избежать.Но здесь мы видим, что модель имела «чистый нейрон», а затем смешала его с другими функциями.

          Мы называем это явление суперпозицией.

          Зачем это делать? Мы считаем, что суперпозиция позволяет модели использовать меньше нейронов, сохраняя их для более важных задач. Пока автомобили и собаки не встречаются одновременно, модель может точно извлечь признак собаки в более позднем слое, что позволяет сохранить этот признак без выделения нейрона. По сути, это свойство геометрии многомерного пространства. пространства, которые допускают только n ортогональных векторов, но экспоненциально много почти ортогональных векторов.

          Цепные мотивы

          Поскольку мы изучали схемы в InceptionV1 и других моделях, мы видели одни и те же абстрактные узоры снова и снова. Эквивариантность, как мы видели с кривыми детекторами. Объединение случаев, как мы видели с детектором собачьей головы, инвариантным к позе. Наложение, как мы видели с автомобильным детектором.

          В биологии мотив схемы представляет собой повторяющийся паттерн в сложных графах, таких как сети транскрипции или биологические нейронные сети.Мотивы полезны, потому что понимание одного мотива может дать исследователям возможность использовать все графики, где он встречается.

          Мы считаем вполне вероятным, что изучение мотивов будет важно для понимания схем искусственных нейронных сетей. В долгосрочной перспективе это может оказаться более важным, чем изучение отдельных цепей. В то же время мы ожидаем, что исследования мотивов будут хорошо служить нам, сначала создав прочный фундамент хорошо изученных цепей.


          Пункт 3: Универсальность

          Аналогичные функции и схемы формируются в моделях и задачах.

          Общепризнанный факт, что первый уровень моделей зрения, обученных на естественных изображениях, изучит фильтры Габора. Как только вы признаете, что в более поздних слоях есть значимые признаки, действительно ли удивительно, что те же самые признаки также формируются в слоях, следующих за первым? И как только вы поверите, что в нескольких слоях есть аналогичные функции, не будет ли естественным, чтобы они соединялись одинаковыми способами?

          Универсальность (или «конвергентное обучение») функций предлагалась ранее.Предыдущая работа показала, что разные нейронные сети могут формировать сильно коррелированные нейроны. и что они изучают подобные представления на скрытых слоях. Эта работа кажется весьма наводящей на размышления, но существуют и альтернативные объяснения образования аналогичных признаков. Например, можно представить две функции  — такие как детектор текстуры меха и сложный детектор тела собаки — сильно коррелированные, несмотря на то, что они существенно различаются. Если принять осмысленно-скептическую точку зрения, это не кажется окончательным.

          В идеале хотелось бы охарактеризовать несколько признаков, а затем строго продемонстрировать, что эти признаки  — — а не только коррелирующие — формируются во многих моделях. Затем, чтобы дополнительно установить, что формируются аналогичные схемы, нужно найти аналогичные функции на нескольких слоях нескольких моделей и показать, что в каждой модели между ними формируется одна и та же весовая структура.

          К сожалению, единственное свидетельство, которое мы можем предложить сегодня, является анекдотичным: мы просто еще недостаточно вложили средства в сравнительное изучение характеристик и схем, чтобы давать уверенные ответы.При этом мы заметили, что пара низкоуровневых функций, по-видимому, формируется в различных архитектурах моделей машинного зрения (включая AlexNet, InceptionV1, InceptionV3 и остаточные сети) и в моделях, обученных на Places365 вместо ImageNet. Мы также наблюдали, как они неоднократно формируются в ванильных консетях, обученных с нуля в ImageNet.

          Кривые детекторы

          Высокочастотные детекторы

          Эти результаты заставили нас заподозрить, что гипотеза универсальности, вероятно, верна, но потребуется дальнейшая работа, чтобы понять, является ли кажущаяся универсальность некоторых низкоуровневых функций зрения исключением или правилом.

          Если окажется, что гипотеза универсальности в нейронных сетях в целом верна, заманчиво предположить: могут ли биологические нейронные сети также обучаться подобным функциям? Исследователи, работающие на стыке нейронауки и глубокого обучения, уже показали, что единицы в моделях искусственного зрения могут быть полезны для моделирования биологических нейронов. Считается, что некоторые функции, обнаруженные нами в искусственных нейронных сетях, такие как детекторы кривых, существуют и в биологических нейронных сетях (например,г. ). Это кажется серьезным поводом для оптимизма. Одной из особенно захватывающих возможностей могло бы быть то, что искусственные нейронные сети могли бы предсказывать особенности, которые ранее были неизвестны, но затем могут быть обнаружены в биологии. (Некоторые нейробиологи, с которыми мы говорили, предположили, что детекторы высоких и низких частот могут быть кандидатами на это.) Если бы такое предсказание можно было сделать, это было бы чрезвычайно убедительным доказательством гипотезы универсальности.

          Сосредоточившись на изучении схем, действительно ли необходима универсальность? В отличие от первых двух утверждений, если это утверждение окажется ложным, это не станет фатальным для исследования схем.Но это дает большую информацию о том, какое исследование имеет смысл. Мы представили схемы как своего рода «клеточную биологию глубокого обучения». Но представьте себе мир, в котором у каждого вида есть клетки с совершенно разным набором органелл и белков. Имеет ли все же смысл изучать клетки вообще, или мы ограничимся узким изучением нескольких видов особенно важных видов клеток? Точно так же представьте себе изучение анатомии в мире, где каждый вид животных имеет совершенно не связанную анатомию: будем ли мы всерьез изучать что-либо, кроме людей и пары домашних животных?

          Точно так же гипотеза универсальности определяет, какая форма исследования цепей имеет смысл.Если бы это было правдой в самом прямом смысле, можно было бы представить своего рода «периодическую таблицу визуальных признаков», которую мы наблюдаем и каталогизируем по моделям. С другой стороны, если бы это было в основном ложным, нам нужно было бы сосредоточиться на нескольких моделях, имеющих особое общественное значение, и надеяться, что они перестанут меняться каждый год. Также могут быть промежуточные миры, где некоторые уроки переносятся между моделями, а другие необходимо изучать с нуля.


          Интерпретируемость как естественная наука

          Структура научных революций Томаса Куна — классический текст по истории и социологии науки.В ней Кун проводит различие между «нормальной наукой», в которой научное сообщество имеет парадигму, и «экстраординарной наукой», в которой у сообщества отсутствует парадигма либо потому, что у него ее никогда не было, либо потому, что оно было ослаблено кризисом. Стоит отметить, что «экстраординарная наука» — нежелательное состояние: это период, когда исследователи изо всех сил пытаются быть продуктивными.

          Описание Куном допарадигматических полей жутко напоминает интерпретируемость сегодня.Мы познакомились с работой Куна и этой связью благодаря беседам с Томом МакГратом в DeepMind. Нет единого мнения о том, что представляют собой объекты исследования, какие методы мы должны использовать для ответа на них или как оценивать результаты исследований. Цитируя недавнее интервью с Яном Гудфеллоу: «Что касается интерпретируемости, я не думаю, что у нас даже есть правильные определения».

          Одним из особенно сложных аспектов пребывания в допарадигматическом поле является отсутствие общего понимания того, как оценивать работу с точки зрения интерпретируемости.Есть два общих предложения по решению этой проблемы, основанные на стандартах смежных областей. Некоторым исследователям, особенно тем, кто имеет опыт глубокого обучения, нужен «контрольный показатель интерпретируемости», который может оценить, насколько эффективен метод интерпретируемости. Другие исследователи с опытом работы с HCI могут захотеть оценить методы интерпретируемости с помощью пользовательских исследований.

          Но интерпретируемость также может быть заимствована из третьей парадигмы: естественных наук. С этой точки зрения нейронные сети являются объектом эмпирического исследования, возможно, подобным организму в биологии.Такая работа будет пытаться сделать эмпирические утверждения о данной сети, которые можно было бы провести в соответствии со стандартом фальсифицируемости.

          Почему мы не видим больше такой оценки работы в области интерпретируемости и визуализации? Чтобы было ясно, мы видим исследователей, которые больше используют этот естественнонаучный подход, особенно в более ранних исследованиях интерпретируемости. Просто сейчас это кажется менее распространенным. Особенно с учетом того, что существует так много смежных работ по машинному обучению, в которых используется этот фрейм! Одна из причин может заключаться в том, что очень сложно делать абсолютно верные утверждения о поведении нейронной сети в целом.Это невероятно сложные объекты. Также трудно формализовать, какими именно были бы интересные эмпирические утверждения о них. И поэтому мы часто получаем стандарты оценок, более нацеленные на то, полезен ли метод интерпретируемости, а не на то, изучаем ли мы истинные утверждения.

          Схемы обходят эти проблемы, сосредотачиваясь на крошечных подграфах нейронной сети, для которых можно провести тщательное эмпирическое исследование. Их очень легко опровергнуть: например, если вы понимаете схему, вы должны быть в состоянии предсказать, что изменится, если вы отредактируете веса.Фактически, для достаточно маленьких схем утверждения об их поведении становятся вопросами математических рассуждений. Конечно, цена такой строгости заключается в том, что утверждения о схемах гораздо меньше по объему, чем общее поведение модели. Но похоже, что при достаточном усилии утверждения о поведении модели можно разбить на утверждения о схемах. Если это так, то, возможно, схемы могли бы действовать как своего рода эпистемологическая основа для интерпретируемости.


          Заключительные мысли

          Мы считаем само собой разумеющимся, что микроскоп является важным научным инструментом.Это практически символ науки. Но так было не всегда, и изначально микроскопы не стали научным инструментом. Фактически, они, кажется, томились около пятидесяти лет. Поворотным моментом стала публикация Робертом Гуком «Микрографии» — сборника рисунков вещей, которые он видел под микроскопом, включая первое изображение клетки.

          У нас сложилось впечатление, что в сообществе, занимающемся интерпретируемостью, существует некоторое беспокойство по поводу того, что нас не воспринимают всерьез.Что это исследование слишком качественное. Что это не научно. Но урок микроскопа и клеточной биологии состоит в том, что, возможно, этого и следовало ожидать. Открытие клеток было качественным результатом исследования. Это не помешало ему изменить мир.


          Эта статья является частью ветки Circuits, сборника коротких статей и комментариев открытого научного сотрудничества, посвященного внутренней работе нейронных сетей.

          Схемы Тема Обзор раннего видения в InceptionV1

          Глоссарий

          В этом эссе вводится новая терминология, а также используется необычная терминология. В помощь мы предлагаем следующий глоссарий:

          Цепь – Подграф нейронной сети. Узлы соответствуют нейронам или направлениям (линейным комбинациям нейронов). Два узла имеют ребро между собой, если они находятся в соседних слоях.Ребра имеют веса, которые являются весами между этими нейронами (или n 1 Wn 2 T , если узлы представляют собой линейные комбинации). Для сверточных слоев веса представляют собой двумерные матрицы, представляющие веса для различных относительных положений слоев.

          Мотив цепи – Повторяющийся абстрактный паттерн, встречающийся в схемах, таких как эквивариантность или объединение по прецедентам. Вдохновлен использованием схемных мотивов в системной биологии.

          Клиентский нейрон или функция клиента – Нейрон в более позднем слое, который опирается на конкретный более ранний нейрон. Например, круговой детектор является клиентом кривых детекторов.

          Направление – Линейная комбинация нейронов в слое. Эквивалентно вектору в представлении слоя. Направлением может быть отдельный нейрон (который является основным направлением векторного пространства). Интуитивное представление о направлениях как объекте см. в разделах «Строительные блоки» (в частности, в разделе «Что видит сеть?») и «Атласы активации».

          Нисходящий / восходящий – В более позднем слое / В более раннем слое.

          Эквивариантность – Чтобы узнать об эквивариантности в контексте схем (например, об эквивариантных функциях, эквивариантных схемах), см. статью о схемах, посвященную эквивариантности. Более общее представление об эквивариантности в математике см. в статье об эквивариантной карте в Википедии.

          Семья – Набор функций, обнаруженных в одном слое, которые обнаруживают небольшие вариации одного и того же объекта.Например, детекторы кривых существуют в семействе, обнаруживающем кривые в разных ориентациях.

          Особенность – Скалярная функция входа. В этом эссе особенностями нейронной сети являются направления, а часто просто отдельные нейроны. Мы утверждаем, что такие функции в нейронных сетях обычно являются значимыми функциями, которые можно тщательно изучить (утверждение 1).

          Значимая функция – Функция, которая действительно реагирует на артикуляционное свойство ввода, такое как наличие кривой или гибкого уха.Значимые функции могут по-прежнему быть зашумленными или несовершенными.

          Многозначный признак – Функция, которая реагирует на несколько несвязанных скрытых переменных, таких как нейрон кошки/автомобиля. Это можно рассматривать как особый случай «многогранных признаков», которые реагируют на несколько различных случаев, но включают как «настоящие», так и многогранные признаки, такие как инвариантная поза голова собаки или полисемантичные нейроны. В отличие от чистого.

          Чистая функция – Функция, которая реагирует только на одну скрытую переменную.Противоположность многозначности.

          Универсальный элемент – Функция, которая надежно формируется в разных моделях и задачах.

          Представительство – Векторное пространство, образованное активациями всех нейронов слоя, с векторами вида (активация нейрона 1, активация нейрона 2, …) . Представление можно рассматривать как набор всех объектов, существующих в слое. Интуитивные сведения о представлениях в моделях зрения см. в Атласах активации.

          Вклад авторов

          Письмо: Текст этого эссе был в основном написан Кристофером Олахом, основанным на исследованиях и размышлениях всей команды Clarity. Ник Каммарата принимал активное участие в разработке оформления и редактировании окончательного текста.

          Исследования: В этом эссе излагаются темы, возникшие в результате исследования несколькими людьми того, как нейронные сети реализуют функции.Крис начал первые попытки понять механистические реализации нейронов с точки зрения их веса в 2018 году и разработал несколько инструментов, которые позволили это направление работы. Эта работа была расширена Габриэлем Гохом, который открыл первый из того, что мы сейчас называем мотивами (с использованием отрицательных весов для специализации), в дополнение к описанию механизмов, лежащих в основе нескольких нейронов. В этот момент Ник Каммарата занялся этим направлением исследований, чтобы охарактеризовать гораздо более крупные и глубокие схемы, значительно расширить число нейронов, которые мы понимали с точки зрения механики, и выполнить подробные и строгие характеристики детекторов кривых.Ник также представил связь с системной биологией. Людвиг Шуберт выполнил детальный анализ высокочастотных детекторов. Крис давал исследовательские советы и наставничество во всем.

          Инфраструктура: Майкл Петров, Шэн Картер, Людвиг и Ник создали различные инфраструктурные инструменты, которые сделали возможным наше исследование.

          Историческая справка

          Идеи, изложенные в этом вступительном эссе, ранее были представлены в качестве основного доклада Крисом Олахом на VISxAI 2019.Он также был неофициально представлен в MILA, Институте Вектора, Центре неврологии Редвуда и на частном семинаре.

          Благодарности

          Всей нашей работой по пониманию InceptionV1 мы обязаны Алексу Мордвинцеву, чьи ранние исследования моделей зрения проложили путь, которым мы следуем до сих пор. Мы глубоко благодарны Нику Барри и Софии Сэнборн за их глубокое участие в потенциальных связях между нашей работой и неврологией. и Тому МакГрату, который указал нам на сходство между «допарадигматической наукой» Куна и интерпретируемостью состояния как поля.Осторожные комментарии и критика Бриса Менара также сыграли неоценимую роль в уточнении этого эссе.

          В дополнение к глубокому взаимодействию Ника и Софии, мы в целом высоко ценим взаимодействие нейробиологического сообщества с нами. особенно в обмене с трудом извлеченными уроками о методологических недостатках в нашей работе. В частности, мы ценим то, что в 2019 году Брайан Ванделл подтолкнул нас к отказу от использования кривых настройки и важности семейств нейронов, что, по нашему мнению, сделало нашу работу намного лучше.Мы также очень благодарны за комментарии и поддержку Марейке Гротер, Наталье Биленко, Бруно Ольсхаузену, Майклу Эйкенбергу, Чарльзу Фраю, Филипу Сабесу, Полу Меролле, Джеймсу Редду, Тонг-Вей Коху и Ивану Альваресу. Мы думаем, что нам есть чему поучиться у сообщества нейробиологов, и рады продолжать это делать.

          Одной из привилегий работы над схемами было открытое сотрудничество и обратная связь на канале Distill slack #circuits.Мы особенно ценим подробные отзывы, которые мы получили от Стефана Ситцена, Шахаба Бахтиари и Флоры Лю. (Стефан также работал со многими из этих идей, и мы рады видеть его работу в будущих статьях в этой теме!).

          Нам очень помогли комментарии многих людей о метанауке и формулировании вопросов, связанных с этим эссе, но особенно ценны комментарии Арвинда Сатьянараяна, Майлза Брандейджа, Аманды Аскелл, Аарона Курвилля и Мартина Ваттенберга.Мы благодарны Тако Коэну, Тесс Смидт и Саре Сабур за их чрезвычайно полезные комментарии по эквивариантности. Мы благодарны Никите Обидину, Нику Барри и Челси Восс за полезную беседу и ссылки на системную биологию и схемы. (Никита и Ник сначала познакомили Ника Каммарату с мотивами цепей.) Наконец, мы благодарны за институциональную поддержку OpenAI, а также за поддержку и комментарии всех наших коллег и друзей в учреждениях, в том числе Дарио Амодеи, Даниэлы Амодеи, Джонатана Уэсато, Лауры Болл, Катарины Слама, Алетеи Пауэр, Джейкоба Хилтона, Джейкоб Стейнхардт, Том Браун, Притум Наккиран, Илья Суцкевер, Райан Лоу, Эрин Макклоски, Эли Чен, Фред Хохман, Джейсон Йосински, Паллави Коппол, Райхрио Накано, Сэм МакКэндлиш, Дэниел Дьюи, Анна Голди, Йохен Гертлер, Хендрик Стробельт, Рави Чундуру , Том Уайт, Роджер Гросс, Дэвид Дювено, Даниэль Буркхардт, Джанель Тэм, Джефф Клун, Кристиан Сегеди, Алек Рэдфорд, Алекс Рэй, Эван Хубингер, Скотт Грей, Огастус Одена, Михиал Павлов, Дэниел Филан, Яша Золь-Дикштейн и Крис Санкаран .

          Список литературы

          1. Микрография: или некоторые физиологические описания мельчайших тел, сделанных с помощью увеличительных стекол. С наблюдениями и расследованиями [ссылка]
            Hooke, R., 1666. Королевское общество. DOI: 10.5962/bhl.title.904
          2. Визуализация и понимание рекуррентных сетей  [PDF]
            Карпати, А., Джонсон, Дж. и Фей-Фей, Л., 2015. Препринт arXiv arXiv:1506.02078.
          3. Визуализация функций более высокого уровня глубокой сети  [PDF]
            Erhan, D., Бенжио, Ю., Курвиль, А. и Винсент, П., 2009. Монреальский университет, том 1341, стр. 3.
          4. Визуализация признаков  [ссылка]
            Олах, К., Мордвинцев, А. и Шуберт, Л. ., 2017. Дистилл. DOI: 10.23915/distill.00007
          5. Глубоко внутри сверточных сетей: визуализация моделей классификации изображений и карт значимости  [PDF]
            Симонян К., Ведальди А. и Зиссерман А., 2013. Препринт arXiv arXiv:1312.6034.
          6. Глубокие нейронные сети легко обмануть: прогнозы с высокой достоверностью для неузнаваемых изображений  [PDF]
            Нгуен, А., Йосински Дж. и Клун Дж., 2015. Материалы конференции IEEE по компьютерному зрению и распознаванию образов, стр. 427–436. DOI: 10.1109/cvpr.2015.7298640
          7. Инцепционизм: углубление в нейронные сети  [HTML]
            Мордвинцев А., Олах К. и Тыка М., 2015. Блог Google Research.
          8. Генеративные сети Plug & Play: условное итеративное создание изображений в скрытом пространстве  [PDF]
            Нгуен, А., Клун, Дж., Бенжио, Ю., Досовицкий, А. и Йосински, Дж., 2016.Препринт arXiv arXiv: 1612.00005.
          9. Визуализация и понимание сверточных сетей  [PDF]
            Zeiler, MD and Fergus, R., 2014. Европейская конференция по компьютерному зрению, стр. 818–833.
          10. Интерпретируемые объяснения черных ящиков с помощью значимого возмущения  [PDF]
            Фонг Р. и Ведальди А., 2017. Препринт arXiv arXiv:1704.03296.
          11. PatternNet и PatternLRP — улучшение интерпретируемости нейронных сетей  [PDF]
            Киндерманс, П., Шутт, К.Т., Альбер, М., Мюллер, К. и Дане, С., 2017. Препринт arXiv arXiv:1705.05598. DOI: 10.1007/978-3-319-10590-1_53
          12. Визуализация и измерение геометрии BERT  [PDF]
            Рейф Э., Юань А., Ваттенберг М., Вьегас Ф.Б., Коенен А., Пирс А. и Ким Б., 2019. Достижения в области нейронных систем обработки информации, стр. 8592–8600.
          13. Атлас активации  [ссылка]
            Картер, С., Армстронг, З., Шуберт, Л., Джонсон, И. и Ола, К., 2019. Distill, том 4(3), стр. e15. DOI: 10.23915/дистилл.00015
          14. Summit: масштабирование возможности интерпретации глубокого обучения путем визуализации сводок активации и атрибуции  [PDF]
            Хохман, Ф., Парк, Х., Робинсон, К. и Чау, DHP, 2019. IEEE Transactions on Visualization and Computer Graphics, Vol 26 (1), стр. 1096–1106. IEEE.
          15. Распределенные представления слов и фраз и их композиционность  [PDF]
            Миколов, Т., Суцкевер, И., Чен, К., Коррадо, Г. С. и Дин, Дж., 2013. Достижения в системах обработки нейронной информации, стр.3111–3119.
          16. Учимся составлять обзоры и выявлять настроения
          17. Детекторы объектов появляются в глубокой сцене cnns  [PDF]
            Чжоу, Б., Хосла, А., Лапедриза, А., Олива, А. и Торралба, А., 2014. Препринт arXiv arXiv:1412.6856.
          18. Анализ сети: количественная оценка интерпретируемости глубинных визуальных представлений  [PDF]
            Бау, Д., Чжоу, Б., Хосла, А., Олива, А.и Торральба, А., 2017. Компьютерное зрение и распознавание образов.
          19. Об интерпретируемости и представлении признаков: анализ нейрона настроений
            Доннелли, Дж. и Рогист, А., 2019 г. Европейская конференция по поиску информации, стр. 795–802.
          20. Измерение тенденции CNN к изучению поверхностных статистических закономерностей  [PDF]
            Джо, Дж. и Бенжио, Ю., 2017. Препринт arXiv arXiv:1711.11561.
          21. CNN, обученные ImageNet, склонны к текстуре; увеличение смещения формы повышает точность и надежность  [PDF]
            Geirhos, R., Rubisch, P., Michaelis, C., Bethge, M., Wichmann, F.A. and Brendel, W., 2018. Препринт arXiv arXiv:1811.12231.
          22. Аппроксимация cnns с помощью моделей набора локальных признаков на удивление хорошо работает в imagenet  [PDF]
            Brendel, W. and Bethge, M., 2019. Препринт arXiv arXiv:1904.00760.
          23. Враждебные примеры — это не ошибки, это особенности  [PDF]
            Ильяс А., Сантуркар С., Ципрас Д., Энгстром Л., Тран Б. и Мадри А., 2019. Системы обработки информации, стр.125–136.
          24. О важности отдельных направлений для обобщения  [PDF]
            Моркос, А.С., Барретт, Д.Г., Рабинович, Н.К. и Ботвиник, М., 2018. Препринт arXiv arXiv:1803.06959.
          25. Глубокое обучение  [PDF]
            ЛеКун, Ю., Бенжио, Ю. и Хинтон, Г., 2015. природа, том 521 (7553), стр. 436–444. Издательская группа «Природа».
          26. Углубление с извилинами  [PDF]
            Сегеди, К., Лю, В., Цзя, Ю., Серманет, П., Рид, С., Ангелов, Д., Эрхан, Д., Ванхук, В., Рабинович, А.и др., 2015. DOI: 10.1109/cvpr.2015.7298594
          27. Рецептивные поля, бинокулярное взаимодействие и функциональная архитектура зрительной коры кошек
            Хьюбел, Д.Х. и Визель, Т.Н., 1962. Журнал физиологии, Том 160(1), С. 106–154. Интернет-библиотека Wiley.
          28. Использование искусственного интеллекта для расширения человеческого интеллекта  [ссылка]
            Картер, С. и Нильсен, М., 2017. Distill. DOI: 10.23915/distill.00009
          29. Визуализация многогранных признаков: раскрытие различных типов признаков, изученных каждым нейроном в глубоких нейронных сетях  [PDF]
            Нгуен, А., Yosinski, J. and Clune, J., 2016. Препринт arXiv: 1602.03616.
          30. Введение в системную биологию: принципы проектирования биологических цепей
            Алон, У., 2019. CRC press. DOI: 10.1201/9781420011432
          31. Конвергентное обучение: изучают ли разные нейронные сети одни и те же представления? [PDF]
            Ли, Ю., Йосински, Дж., Клун, Дж., Липсон, Х. и Хопкрофт, Дж. Э., 2015. FE @ NIPS, стр. 196–212.
          32. SVCCA: сингулярный векторный канонический корреляционный анализ для динамики и интерпретируемости глубокого обучения  [PDF]
            Raghu, M., Гилмер, Дж., Йосински, Дж. и Золь-Дикштейн, Дж., 2017. Достижения в системах обработки нейронной информации 30, стр. 6078–6087. Curran Associates, Inc.
          33. Новый взгляд на сходство представлений нейронных сетей  [PDF]
            Корнблит, С., Норузи, М., Ли, Х. и Хинтон, Г., 2019. Препринт arXiv arXiv:1905.00414.
          34. Классификация ImageNet с глубокими свёрточными нейронными сетями  [PDF]
            Крижевский, А., Суцкевер, И. и Хинтон, Г.Е., 2012. Достижения в системах обработки нейронной информации 25, стр.1097–1105. Curran Associates, Inc.
          35. Очень глубокие сверточные сети для крупномасштабного распознавания изображений  [PDF]
            Симонян К. и Зиссерман А., 2014. CoRR, Vol abs/1409.1556.
          36. Deep Residual Learning for Image Recognition  [PDF]
            He, K., Zhang, X., Ren, S. and Sun, J., 2015. CoRR, Vol abs/1512.03385.
          37. Иерархические модели, оптимизированные для производительности, предсказывают нейронные реакции в высших отделах зрительной коры, Зайберт, Д. и ДиКарло, Дж. Дж., 2014. Труды Национальной академии наук, том 111 (23), стр. 8619–8624. Национальная академия наук.
          38. Глубокие нейронные сети выявляют градиент сложности нейронных представлений в вентральном потоке 10005–10014. Соц неврология.
          39. Видеть все: слои сверточной сети отображают функции зрительной системы человека
            Эйкенберг, М., Gramfort, A., Varoquaux, G. and Thirion, B., 2017. NeuroImage, том 152, стр. 184–194. Эльзевир.
          40. Дискретные нейронные кластеры кодируют ориентацию, кривизну и углы у макаки V4  [ссылка]
            Цзян, Р., Ли, М. и Тан, С., 2019. bioRxiv. Лаборатория Колд-Спринг-Харбор. DOI: 10.1101/808907
          41. Представление формы в области V4: позиционно-специфичная настройка для граничной конформации
            Пасупати, А. и Коннор, CE, 2001. Журнал нейрофизиологии, том 86 (5), стр. 2505–2519.Американское физиологическое общество Bethesda, MD.
          42. Структура научных революций
            Кун, Т.С., 1962. Издательство Чикагского университета. DOI.
          43. Строительные блоки интерпретируемости, 2018. Дистилляция. DOI: 10.23915/distill.00010

          Обновления и исправления

          Если вы видите ошибки или хотите предложить изменения, создайте задачу на GitHub.

          Повторное использование

          Диаграммы и текст находятся под лицензией Creative Commons Attribution CC-BY 4.0 с исходным кодом, доступным на GitHub, если не указано иное. Рисунки, которые были повторно использованы из других источников, не подпадают под действие этой лицензии и могут быть распознаны по пометке в заголовке: «Рисунок из…».

          Цитата

          Для атрибуции в академическом контексте, пожалуйста, указывайте эту работу как

          .
           Олах и др., «Увеличение масштаба: введение в схемы», Distill, 2020. 

          Цитата BibTeX

           @статья{olah3020zoom,
            автор = {Ола, Крис и Каммарата, Ник и Шуберт, Людвиг и Го, Габриэль и Петров, Майкл и Картер, Шан},
            title = {Увеличить масштаб: введение в схемы},
            журнал = {Перегонка},
            год = {2020},
            примечание = {https://distill.pub/2020/схемы/увеличение},
            дои = {10.23915/дистил.00024.001}
          } 
          .

        Добавить комментарий

        Ваш адрес email не будет опубликован. Обязательные поля помечены *